#tts Repositorios
Descubre 219 repositorios activos de código abierto de GitHub etiquetados con #tts, que acumulan 1,286,218 estrellas en total (una media de 5,873 estrellas por proyecto). El líder de este tema es debpalash/VoiceStudio, con 115,753 estrellas.
222 repositorios en total
VoiceStudio es la alternativa de código abierto y completamente local a ElevenLabs: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.
Interfaz local para ejecutar y entrenar LLM y modelos de difusión. Compatible con GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX y más.
¡1 minuto de datos de voz también se puede utilizar para entrenar un buen modelo TTS! (clonación de voz few-shot)
Clona una voz en 5 segundos para generar discursos arbitrarios en tiempo real
LocalAI es el motor de IA de código abierto. Ejecuta cualquier modelo: LLMs, visión, voz, imagen, vídeo, en cualquier hardware. No se requiere GPU.
🐸💬 - un toolkit de aprendizaje profundo para Text-to-Speech, probado en investigación y producción
VoxCPM2: TTS sin tokenizador para generación de voz multilingüe, diseño de voz creativo y clonación realista
Clonación instantánea de voz por MIT y MyShell. Modelo fundacional de audio.
Mastra es el marco moderno de TypeScript para aplicaciones y agentes impulsados por IA.
Readest es un lector de libros electrónicos moderno y rico en funciones diseñado para lectores ávidos que ofrece acceso multiplataforma sin interrupciones, herramientas potentes y una interfaz intuitiva para mejorar su experiencia de lectura.
Un sistema de texto a voz Zero-Shot controlable y eficiente a nivel industrial
Modelo de generación de voz multilingüe grande, que proporciona capacidad full-stack para inferencia, entrenamiento y despliegue.
¡Genera audiolibros a partir de libros electrónicos con más de 50 motores de TTS, clonación de voz y compatibilidad con 1696 idiomas!
🌈 Un software multiplataforma de traducción y OCR al seleccionar texto | Un software multiplataforma para traducción y reconocimiento de texto.
Un marco escalable de IA generativa construido para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grandes, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Texto a Voz)
Antes conocido como KrillinAI, una herramienta de traducción y doblaje de vídeo en más de 120 idiomas. Un espacio de trabajo de IA de código abierto para creadores, impulsado por Codex. Descarga y traduce vídeos, y crea vídeos, imágenes, audios y ediciones con agentes, todo en un mismo lugar. Para tus redes sociales como YouTube, TikTok, Instagram y más.
TTS multilingüe ultrarrápido en el dispositivo — ejecutándose de forma nativa a través de ONNX.
Gradio WebUI para creadores y desarrolladores, con funciones clave de TTS (Edge-TTS, kokoro) y clonación de voz zero-shot (E2 & F5-TTS, CosyVoice), con procesamiento de audio Whisper, descarga de YouTube, aislamiento vocal Demucs y traducción multilingüe.
Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje auto-supervisado, ASR en streaming/SOTA con puntuación, TTS en streaming con frontend de texto, sistema de verificación de hablante, traducción de voz de extremo a extremo y detección de palabras clave. Ganó el premio al Mejor Demo de NAACL2022.
Usa el servicio de conversión de texto a voz en línea de Microsoft Edge desde Python SIN necesidad de Microsoft Edge
Conversión de voz a texto con latencia muy baja, reconocimiento de intenciones y texto a voz, para construir agentes e interfaces de voz
Plataforma de Ingeniería de Agentes de IA construida sobre un Framework de Agentes de IA en TypeScript de Código Abierto
Leer fuente de libro - Xiangse Guige + Leer con esmero + YuanYue + Fuente de libro Lectura 3.0 + YuanRead + Ai Yue Shu Xiang + QianYue + Lectura Huohua + Lectura inseparable + Fanqie + Ximalaya + Cómics + Audiolibros + Fuente de libro + Fuente IPTV + Aplicación troll IPA = actualización automática
Crea rápidamente agentes de texto, voz y vídeo. Un backend de agentes rápido basado en Go, con SDK para todos los lenguajes. Valores predeterminados sensatos para búsqueda, conocimiento, habilidades, telefonía, entornos aislados, memoria y persistencia. IA soberana. Toma el control de tu IA.
Una interfaz web nativa simple que utiliza ChatTTS para sintetizar texto en voz, junto con soporte para interfaces API externas.
Un motor de video AIGC de propósito general: desde el guion hasta la película terminada en una sola tubería: dramas, anuncios, videos de productos, juegos otome y más.
Biblioteca de texto a voz multilingüe de alta calidad de MyShell.ai. Soporta inglés, español, francés, chino, japonés y coreano.
🤖 wukong-robot es un proyecto simple, flexible y elegante de robot de diálogo de voz en chino/altavoz inteligente, que soporta las capacidades de diálogo multi-turno de ChatGPT, y podría ser el primer proyecto de altavoz inteligente de código abierto que soporta interacción cerebro-computadora.
Modelos Silero: modelos de texto a voz preentrenados hechos increíblemente sencillos
StyleTTS 2: Hacia la síntesis de voz de nivel humano a través de la difusión de estilo y el entrenamiento adversario con grandes modelos de lenguaje de voz
🎤 Herramienta de síntesis de voz de Microsoft, construida con Electron + Vue + ElementPlus + Vite.
Contenedor Docker con una API compatible con OpenAI para la conversión de texto a voz de Kokoro-82M, con compatibilidad multiplataforma para PyTorch en CPU y GPU AMD y NVIDIA; múltiples voces, clonación y ajuste de voz, marcas de tiempo para subtítulos, SSML, WebSockets y una interfaz web opcional para seguir la lectura
DiffSinger: Síntesis de voz cantada a través de un mecanismo de difusión superficial (SVS & TTS); AAAI 2022; Código oficial
Un modelo TTS multilingüe de 100 millones de parámetros para inferencia en CPU en tiempo real, clonación de voz y generación estéreo a 48 kHz
Un sistema de texto a voz de código abierto construido invirtiendo Whisper.
Esta es una aplicación TTS del sistema Android, con interfaces de demostración de Microsoft integradas, solicitudes HTTP personalizables, la capacidad de importar otros motores TTS locales, así como la lectura basada en el reconocimiento de narraciones/diálogos simples entre comillas chinas, además de reintentos automáticos, configuraciones de respaldo, reemplazo de texto y muchas más funciones.
Un motor de inferencia todo en uno, puro en C++, para modelos de audio, impulsado por ggml. Admite TTS, STT, VAD, conversión de voz, generación de música y más, con rendimiento altamente optimizado. Sin dependencia de Python.
Una familia de modelos de código abierto para síntesis de voz de larga duración, síntesis de diálogos, diseño de voces, efectos de sonido y TTS en streaming en tiempo real
Preguntas frecuentes
¿Cuál es el repositorio de #tts más popular en GitHub?
El proyecto de código abierto de #tts mejor posicionado en GitHub es debpalash/VoiceStudio, con 115,753 estrellas. VoiceStudio es la alternativa de código abierto y completamente local a ElevenLabs: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.
¿Qué lenguajes de programación se utilizan más en los repositorios de #tts?
Entre los proyectos de #tts mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, C++, Go.
¿Cómo se calcula la clasificación de los repositorios de #tts?
Seguimos 219 repositorios activos de código abierto etiquetados con #tts (500+ estrellas), que suman un total de 1,286,218 estrellas, con una media de 5,873 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.