#tts Repositorios
222 repositorios en total
Una herramienta de conversión de voz simple y de alta calidad centrada en la facilidad de uso y el rendimiento.
:stuck_out_tongue_closed_eyes: TensorFlowTTS: Síntesis de voz de última generación en tiempo real para Tensorflow 2 (soportados incluyendo inglés, francés, coreano, chino, alemán y fácil de adaptar para otros idiomas)
La versión Docker de OpenClaw con integración de plataformas IM chinas viene preinstalada y configurada con complementos para los principales softwares IM chinos, como Feishu, DingTalk, bots QQ y WeChat Empresarial, lo que le permite desplegar rápidamente un pasarela de bots AI compatible con varias plataformas IM chinas.
Streamer-Sales Rey de las Ventas —— Modelo LLM del Transmisor Vendedor 🛒🎁, un modelo LLM del transmisor vendedor capaz de comentar productos desde la perspectiva de estimular la intención de compra del usuario basándose en las características dadas del producto. 🚀⭐ Incluye un proceso detallado de generación de datos ❗ 📦 Además, integra LMDeploy para inferencia acelerada 🚀, Generación Aumentada por Recuperación RAG 📚, TTS Texto a Voz 🔊, generación de avatares 🦸, uso de Agentes para consultar información en tiempo real en la web 🌐, ASR Voz a Texto 🎙️, frontend de construcción del ecosistema Vue 🍍, backend de construcción FastAPI 🗝️, empaquetado y despliegue con Docker-compose 🐋
TTS en vietnamita con clonación instantánea de voz • En el dispositivo • Inferencia en tiempo real con CPU • Calidad de audio de 48 kHz • Conversión de texto a voz en vietnamita • Texto a voz en vietnamita • TTS en vietnamita
Introduces un tema y obtén un video explicativo narrado. Una skill de Claude Code / Codex que convierte cualquier tema en un video explicativo de motion graphics sobre un lienzo negro, con voz en off mediante TTS, subtítulos y una barra de progreso por capítulos. En chino o inglés; cada fotograma se dibuja mediante código con Remotion.
¡Una sola interfaz web Gradio + React con extensiones para ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T y Bark!
[AutoArk] ¡GPA (General Purpose Audio) puede realizar ASR, TTS y conversión de voz con un solo modelo diminuto!
Convierte un tema en un video explicativo/publicitario terminado al estilo Vox de collage de papel — automatizado de principio a fin en Atlas Cloud + ffmpeg. Una habilidad de agente.
Lector de libros electrónicos multiplataforma impulsado por IA con búsqueda semántica, chat RAG, almacenamiento vectorial local, notas, TTS y sincronización WebDAV.
openctp proporciona interfaces compatibles con CTPAPI para varios canales como opciones sobre acciones CTP, XTP de Zhongtai Securities, TORA de Huaxin Securities, OST de Dongfang Securities, EMT de Dongfang Wealth Securities, TWS de Interactive Brokers, TAP de E-futures, QDP de Quant Investment, etc. Los programas CTP pueden conectarse sin problemas a diversos terminales bursátiles. openctp también ofrece un entorno de simulación basado en el sistema de trading TTS, que también proporciona interfaces compatibles con CTPAPI. No solo admite la simulación de trading de todas las variedades de futuros y opciones nacionales, sino también de acciones A, fondos, bonos y opciones sobre acciones, pudiendo sustituir a Simnow y proporcionar un entorno de simulación disponible 7x24 para los desarrolladores de trading cuantitativo CTP.
aeneas es una biblioteca de Python/C y un conjunto de herramientas para sincronizar automágicamente audio y texto (también conocido como alineación forzada)
FLUX, Stable Diffusion, SDXL, SD3, LoRA, Ajuste Fino, DreamBooth, Entrenamiento, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Animación, Texto a Video, Tutoriales, Guías, Conferencias, Cursos, ComfyUI, Google Colab, RunPod, Kaggle, Cuadernos, ControlNet, TTS, Clonación de Voz, IA, Noticias de IA, ML, Noticias de ML, Noticias, Tech, Noticias de Tech, Kohya, Midjourney, RunPod
Biblioteca Python y herramienta CLI para interactuar con la API de texto a voz de Google Translate
MARY TTS -- un sistema de síntesis de texto a voz multilingüe de código abierto escrito en Java puro
Herramienta de texto a voz de código abierto, soporta textos extralargos, doblaje de múltiples personajes
HiFi-GAN: Redes Generativas Antagónicas para Síntesis de Voz Eficiente y de Alta Fidelidad
Estudio local de audio y música con IA de código abierto para macOS y Windows. TTS, clonación de voz, canciones con letra y partituras multipista: 100 % sin conexión y sin tarifas de API.
Implementación en PyTorch de VALL-E (Texto a Voz de "Zero-Shot"), Demo Reproducida https://lifeiteng.github.io/valle/index.html
IA de voz en tiempo real con más de 100 modelos en Arduino ESP32, con WebSockets seguros y funciones en el borde para juguetes con IA, compañeros de escritorio y dispositivos
Convertidor de EPUB a audiolibro, optimizado para Audiobookshelf, interfaz web incluida
Una herramienta de texto a voz de línea de comandos que utiliza el modelo Kokoro, compatible con varios idiomas, voces (con mezcla) y varios formatos de entrada, incluidos libros EPUB y documentos PDF.
Control de Yandex.Station y otros dispositivos de hogar inteligente con Alice desde Home Assistant
Punto final de API de texto a voz gratuito y de alta calidad para reemplazar OpenAI, Azure o ElevenLabs
🚀 Empleado de generación de video totalmente automatizado por IA | Tu primer compañero AIGC. Chatea una idea. Obtén una película. 🦞
Entorno de ejecución de alto rendimiento para servir sistemas de superinteligencia interactivos
Workflow a APP, Compartir pantalla y video flotante, GPT y 3D, Reconocimiento de voz y TTS
Bailing es un robot de conversación por voz similar a GPT-4o, implementado mediante ASR+LLM+TTS, integrado con excelentes modelos grandes como DeepSeek R1, conectado a openClaw, un verdadero asistente de voz personal con latencia tan baja como 800 ms, ejecutable en dispositivos de baja configuración como Mac, soporta interrupción
Traduce automáticamente el texto de un vídeo basándose en un archivo de subtítulos y, a continuación, utiliza servicios de voz de IA para crear una nueva pista de audio doblada y traducida donde el habla se sincroniza utilizando los tiempos de los subtítulos.
Aplicación Linux Speech Note. Tomar notas, leer y traducir con voz a texto (Speech to Text) y texto a voz (Text to Speech) sin conexión, y traducción automática.
NobodyWho es un motor de inferencia que te permite ejecutar LLMs de forma local y eficiente en cualquier dispositivo.
Modelo de texto a voz basado en Flow Matching con control de estilo impulsado por emojis
Parallel WaveGAN No Oficial (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) con PyTorch
Amica es una interfaz de código abierto para la comunicación interactiva con personajes 3D con síntesis de voz y reconocimiento de voz.
Una integración integral de ComfyUI para el modelo de texto a voz VibeVoice de Microsoft, que permite la síntesis de voz de alta calidad para un solo o varios hablantes directamente dentro de sus flujos de trabajo de ComfyUI.
Autoalberga el potente modelo Chatterbox TTS. Este servidor ofrece una interfaz web fácil de usar, puntos finales de API flexibles (incluida la compatibilidad con OpenAI), voces predefinidas, clonación de voz y procesamiento de texto a gran escala al nivel de audiolibros. Se ejecuta acelerado en NVIDIA (CUDA), AMD (ROCm) y CPU.
Traducción de voz bidireccional en tiempo real para reuniones bilingües: detecta automáticamente el idioma hablado y traduce en ambas direcciones, ya sea en la nube o completamente sin conexión en el dispositivo. Escritorio (Windows · macOS · Linux) + extensión de navegador (Chrome · Edge) para Zoom, Meet, Teams y cualquier aplicación.