#text-to-speech Repositorios
261 repositorios en total
Nodo personalizado para la conversión de texto a voz de alta calidad en ComfyUI utilizando el modelo IndexTTS. Admite texto en chino e inglés, y puede replicar las características de voz basándose en un audio de referencia.
Sistema de Comunicación Aumentativa y Alternativa (CAA) con texto a voz para el navegador
Implementación de funciones relacionadas con el chat de IA utilizando Unity. Actualmente, esta biblioteca incluye implementaciones de código para llamadas API a modelos de lenguaje grandes como ChatGPT y ChatGLM, así como la implementación de servicios de voz de Microsoft Azure y Baidu AI. Los servicios de voz utilizan API web y son compatibles con plataformas como Windows/WebGL/Android.
La intención de este proyecto es unificar la forma de utilizar varios motores de síntesis de voz, admitir múltiples adaptadores de síntesis de voz y permitir su uso directo como módulo o el inicio de un servicio backend.
AlwaysReddy es un asistente de voz LLM que siempre está a solo una combinación de teclas de distancia.
Rapida es una plataforma de orquestación de IA de voz de código abierto y de extremo a extremo para crear agentes de voz conversacionales en tiempo real con streaming de audio, STT, TTS, VAD, integración multicanal, gestión del estado del agente y observabilidad.
Claudemy: una alternativa de código abierto a Udemy y Coursera. Dale un tema a Claude y buscará información en la web para crear un curso de lecciones de audio de 2 minutos con fuentes citadas. Una habilidad gratuita para Claude Code.
📚 Una extensión de diccionario personalizable que permite búsquedas con doble clic en más de 20 idiomas, más de 1000 diccionarios, conversión de texto a voz, traducción e integración con Anki.
Creador de video totalmente automatizado que utiliza gráficos en movimiento y síntesis de texto a voz para convertir boletines informativos en videos diarios de YouTube.
API local compatible con OpenAI para texto a voz (TTS) usando Chatterbox, que permite a los usuarios generar discursos clonados de voz dondequiera que se use la API de OpenAI (por ejemplo, Open WebUI, AnythingLLM, etc.).
Reconocimiento de voz sin conexión con OpenAI Whisper y TensorFlow Lite para Android
OpenAmika: Amika, la compañera de IA de MekaHime, de código abierto. Avatar Live2D, voz en tiempo real, memoria a largo plazo y OpenRouter u Ollama como cerebro.
✨✨[NeurIPS 2025] VITA-Audio: Generación Rápida de Tokens Intercalados y Transmodales para un Modelo de Lenguaje de Voz Grande y Eficiente
Actualización automática diaria de trabajos de Texto a Voz (TTS) usando Github Actions (Actualización cada 12 horas)
IA en el dispositivo para Flutter: Gemma y otros LLM, capacidades multimodales, llamadas a funciones, embeddings, RAG y voz en Android, iOS, Web, macOS, Windows y Linux.
Implementación de Voicebox, la nueva red Text-to-speech SOTA de MetaAI, en Pytorch
Conversión de grafemas a fonemas del persa (farsi) al Alfabeto Fonético Internacional (AFI) mediante un modelo ByT5 ajustado.
LLaSA: Escalando la computación en tiempo de entrenamiento y en tiempo de inferencia para la síntesis de voz basada en LLaMA
Convierte PDFs y EPUBs en audiolibros; subtítulos o videos en videos doblados (incluyendo traducción), y más. Gratis. Pandrator utiliza modelos locales, incluyendo clonación de voz (instantánea, mejorada con RVC, ajuste fino de XTTS) y procesamiento LLM. Aspira a ser una aplicación fácil de usar con interfaz gráfica, instalador y paquetes todo en uno.
Kokoro Web: ¡Texto a voz con IA gratuito, en línea o autoalojado, compatible con OpenAI!
Nodo personalizado de ComfyUI para VibeVoice TTS. Audio conversacional expresivo, de formato largo y con múltiples oradores
Dictado por voz ultrarrápido, gratuito y centrado en lo local para macOS, con transcripción en el dispositivo
Ejecuta Qwen3-TTS de texto a voz localmente en Mac (M1/M2/M3/M4). Clonación de voz, diseño de voz, voces personalizadas. 100% sin conexión usando MLX.
Un servidor de código abierto para leer documentos acompañando la lectura, con opciones de TTS de alta calidad, resaltado sincronizado y exportación a audiolibros para EPUB, PDF, DOCX, TXT y MD.
🎭 Plataforma de avatar de IA / humano digital: sube una foto, clona una voz y habla con cualquier rostro en tiempo real mediante vídeo con sincronización labial. De código abierto y autohospedada. Claude · Whisper · Chatterbox · MuseTalk.
⚡ Asistente de voz con IA increíblemente rápido con tiempos de respuesta <500 ms
Versión modificada de Chatterbox que acepta archivos de texto como entrada y sin restricciones de caracteres. Lo uso para hacer audiolibros, especialmente para mis hijos.
El Sistema de Auto-Codificación para tu App — Alan AI SDK para React Native
Nodos TTS OmniVoice para ComfyUI - Texto a voz multilingüe de cero disparos con clonación de voz, diseño de voz y diálogo multi-hablante
Plugin de IA en TypeScript para Payload CMS: generación de texto, imágenes y voz con proveedores extensibles, prompts a nivel de campo, control de acceso e integración con texto enriquecido.
🔥🔥🔥 Una lista curada de artículos sobre generación multimodal basada en LLM (imagen, video, 3D y audio).