#tts Repositorios
222 repositorios en total
Ejecute LLM locales como llama, deepseek-distill, kokoro y más dentro de su navegador
Una aplicación Python/Pytorch para sintetizar fácilmente voces humanas
Una plataforma de gestión empresarial Java para Xiaozhi ESP32, que ofrece una solución integrada de frontend, backend y servidor para la monitorización de dispositivos, la personalización de timbres, el cambio de roles y la gestión del historial de conversaciones
🍦 Speech-AI-Forge es un proyecto desarrollado en torno a un modelo de generación TTS, que implementa un servidor API y una interfaz de usuario web basada en Gradio.
Mouseover Translate Any Language At Once - Chrome Extension: PDF Translator, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, AI, VIEWER, GMAIL, WRITING, IMAGE, DUALSUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPANESE, ENGLISH
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
[ICASSP 2024] 🍵 Matcha-TTS: Una arquitectura TTS rápida con coincidencia de flujo condicional
Traductor de pantalla en tiempo real para Android de código abierto y sin root, ideal para juegos, novelas visuales y manga. Admite OCR en el dispositivo y en la nube, LLM sin conexión, múltiples servicios de traducción, traducciones en pantalla y texto a voz (TTS).
Una herramienta (para la plataforma de Windows) que puede grabar la voz de síntesis de voz (TTS) del navegador Microsoft Edge y exportarla como audio .wav.
Humano digital interactivo de voz en tiempo real, con apariencia y voz personalizables, que soporta la clonación de voz y presenta una latencia de diálogo de tan solo 3 segundos.
Traducción de voz en tiempo real — macOS y Windows, TTS gratuito, sin servidor, solo tus claves API
Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Una integración de nodos personalizados de ComfyUI para conversión de texto a voz y voz a voz local, multi-motor y multi-idioma. Compatible con: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clásico y multilingüe), F5-TTS, Higgs Audio 2, 3 y VibeVoice, con longitud de texto ilimitada, sincronización SRT, soporte para personajes y muchas herramientas de audio.
El motor de IA de código abierto para AMD Strix Halo. Modelos de texto, embeddings, voz, imagen y vídeo en un único binario, con API compatibles con OpenAI, caché para agentes de programación y extensiones de modelos. Linux y Windows.
TTS de mejores prácticas basado en BERT y VITS con algunas características de Natural Speech de Microsoft; ¡Soporta salida de streaming ONNX!
Irina es un asistente de voz ruso para trabajar sin conexión. Admite habilidades a través de complementos.
🎬 Genera vídeos narrados de resúmenes de películas a partir de un solo prompt.
Generador de audiolibros multi-voz impulsado por IA — anotación de guiones LLM, clonación de voz, diseño de voz, entrenamiento LoRA, control de estilo por línea y exportación a MP3, M4B con capítulos o pistas múltiples de Audacity. Construido sobre Qwen3-TTS.
Novia con IA de voz (novia con IA de voz para DeepSeek Harness): entrada de voz con Whisper + clonación de voz con Qwen3-TTS + reproducción en streaming oración por oración + ventana de avatar animado. Dos modos: interrumpir o poner en cola; hablar interrumpe al instante.
Convierte AI Studio Playground y Build en una API mediante un proxy inverso | API de AI Studio compatible con OpenAI, Anthropic y Gemini
GLM-TTS: TTS Cero-disparo Controlable y Expresivo Emocionalmente con Aprendizaje por Refuerzo de Múltiples Recompensas
Con un solo comando, cree un audiolibro de sonido natural a partir de una variedad de formatos de entrada (¡epub, mobi, txt, PDF, HTML y más!)
Una sencilla API HTTP VITS, desarrollada ampliando Moegoe con funciones adicionales.
YourTTS: Hacia TTS multi-voz en modo zero-shot y conversión de voz en modo zero-shot para todos
Haga que las voces TTS naturales de Azure sean accesibles para cualquier aplicación compatible con SAPI 5.
Fork de SumatraPDF: EPUB/MOBI en chino, modo oscuro inteligente para PDF, OCR, TTS, diccionario sin conexión.
Un potente modelo de edición de audio basado en LLM de 3 mil millones de parámetros y aprendizaje por refuerzo destaca en la edición de emociones, estilo de habla y paralingüística, y cuenta con una sólida función de texto a voz de cero disparos.
Herramienta de voz de código abierto (Apache 2.0) para Claude Code y Codex en macOS que lee en voz alta el progreso de tu agente de programación. La voz se ejecuta localmente con Kokoro, sin necesidad de una cuenta, o puedes usar tu propia clave de ElevenLabs o Speechify. Escucha un breve resumen hablado cuando tu agente termine, falle o necesite aprobación.
Versión en directo de Cyber Xiaoya · Humano digital modular (Vidu s2) · Gratis y de código abierto, AGPL-3.0 · Autor: Tiangong Kaizhen (mismo nombre en Douyin/Bilibili/YouTube)
El centro para la investigación de IA de audio: artículos, modelos abiertos, benchmarks y conjuntos de datos en LLM de audio, reconocimiento de voz, TTS, generación de música y audio.
🔥🔥🔥Caja de herramientas de algoritmos de IA sin conexión y gratuita para Java, que admite reconocimiento facial, detección de vida, reconocimiento de expresiones, detección de objetos, segmentación de instancias, detección de peatones, reconocimiento de texto OCR, reconocimiento de matrículas, reconocimiento de tablas, ASR+TTS, traducción automática y otras funciones. Se puede utilizar mediante referencia de Maven. Admite PyTorch, Tensorflow e integra modelos convencionales como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Un framework de servicio de modelos de ML de alto rendimiento, ofrece procesamiento por lotes dinámico y canalizaciones de CPU/GPU para aprovechar al máximo su máquina de cómputo
Un motor TTS (Texto a Voz) ligero y offline para Android que permite clonación de voz sin interrupciones a nivel de sistema y lectura de texto de alta fidelidad. / Un motor TTS (Texto a Voz) ligero que se ejecuta localmente en Android, compatible con extracción de locutor offline, clonación de timbre sin umbrales y lectura global a nivel de sistema con doble motor.
NISQA - Evaluación No Intrusiva de la Calidad del Habla y Naturalidad de TTS
Transforma PDFs en podcasts de IA para contenido de audio atractivo sobre la marcha.
DiffWave es un vocoder neuronal y sintetizador de formas de onda rápido y de alta calidad.