#tts Repositorios
222 repositorios en total
Kit de herramientas fácil de usar para reconocimiento/transcripción/conversión de voz, etc. | Caja de herramientas de voz simple y fácil de usar
Confucius4-TTS: un motor de síntesis de voz (TTS) multilingüe y translingüe de disparo cero (zero-shot)
La solución de integración de IA más simple y de menor costo. Si te gusta este proyecto, por favor dale una estrella~ | 最简单、最低成本的AI接入方案。喜欢本项目的话点个 Star 吧~
sanoTTS (सानो significa «pequeño» en nepalí): un sistema neuronal de texto a voz con entre 294 mil y 2,27 millones de parámetros, que funciona en un chip de 3 dólares, en el navegador o en Python, con transmisión de baja latencia.
🔥🔥 Kokoro en Rust. https://huggingface.co/hexgrad/Kokoro-82M TTS increíblemente rápido en tiempo real con una alta calidad que jamás hayas tenido.
VTuber de IA con LLM, ASR, TTS, OCR, CV y más tecnologías para hacer transmisiones en vivo o jugar Minecraft contigo.
Voxtral ASR & TTS ejecutándose de forma nativa y en el navegador. Implementación en Rust de Voxtral mini ASR/TTS en tiempo real de Mistral usando el framework ML Burn
Lector de libros electrónicos en terminal con conversión de texto a voz con calidad de audiolibro — Compatible con EPUB, PDF, DOCX, HTML, RTF, TXT y MD.
Un SDK modular de Swift para procesamiento de audio con MLX en Apple Silicon
De voz a texto a voz. Reproduciendo canción. Envía texto como mensajes OSC a VRChat para mostrarlo en el avatar. (STTTS) (Voz a TTS) (Sistema STT de VRC) (VTuber TTS)
🎤 Lobe TTS - Una biblioteca TTS/STT fiable y de alta calidad para servidor y navegador
Una herramienta de IA local que genera automáticamente videos de animación de pizarra a partir de una voz de referencia y un guion en chino.
Un modelo de conversión de texto a voz en inglés de 4,5 millones de parámetros y dos voces, entrenado desde cero
Vui Nano — un pequeño modelo de texto a voz consciente del contexto, entrenado con conversaciones reales. 219 millones de parámetros activos (305 millones en total), Apache 2.0, clonación de voz y transmisión en tiempo real; funciona en CPU (compilación en C sin dependencias). Incluye un asistente de voz completo en tiempo real: WebRTC, ASR, LLM local y compatibilidad con la API Realtime de OpenAI.
Sistema de Comunicación Aumentativa y Alternativa (CAA) con texto a voz para el navegador
MimikaStudio - Una aplicación local-first para macOS (Apple Silicon) + Soporte Agentic MCP
MLX Omni Server es un servidor de inferencia local impulsado por el framework MLX de Apple, diseñado específicamente para los chips Apple Silicon (serie M). Implementa puntos finales de API compatibles con OpenAI, lo que permite una integración perfecta con los clientes SDK de OpenAI existentes y, al mismo tiempo, aprovecha la potencia de la inferencia ML local.
Thorsten-Voice: Una voz TTS alemana de alta calidad, gratuita para usar y que funciona sin conexión, debería estar disponible para cada proyecto sin problemas de licencias.
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
Plugin de Unreal Engine para modelos LLM/GenAI y servidor MCP UE5. OpenAI GPT-5, Deepseek R1, Claude Opus/Sonnet, Gemini 3, Grok 4, Alibaba Qwen, Kimi, ElevenLabs TTS, Inworld, OpenRouter, Groq, GLM, Ollama, Local, Meshy, Tripo, Hunyuan3D, Rodin, fal, Dashscope, Seedream. NPC AI, agentic, chat, 3D gen, TTS, multimodal, image gen. UnrealMCP/UnrealClaude
Crea fácilmente modelos de texto a voz de Piper en cualquier voz. Crea un modelo de texto a voz con tus propias grabaciones de voz, o usa miles de voces RVC. Funciona sin conexión en una Raspberry Pi. Graba rápidamente conjuntos de datos personalizados para cualquier archivo metadata.csv y escucha tu modelo mientras se entrena.
Actualización automática diaria de trabajos de Texto a Voz (TTS) usando Github Actions (Actualización cada 12 horas)
Paquete de habilidades de agente de IA para narración de videos: corta escenas automáticamente, analiza las imágenes para escribir el guion de narración, añade la voz en off y mezcla el audio para producir el video final; permite exportar borradores para Jianying/CapCut, sin necesidad de GPU | Habilidades de agente para resúmenes narrados de videos y borradores de CapCut
Kokoro Web: ¡Texto a voz con IA gratuito, en línea o autoalojado, compatible con OpenAI!
🤗 Optimum Intel: Acelera la inferencia con herramientas de optimización de Intel
«来剪» editor de vídeo ligero. Versión web, de escritorio y más, todos gratuitos, con funciones inspiradas en editores como CapCut. Un editor de vídeo ligero. Gratuito para web, escritorio y más, con funciones inspiradas en editores como CapCut.
Hojo-TTS-Light es una serie de modelos ligeros de generación de voz desarrollada por HojoAI, que actualmente incluye modelos de 0,04B y 0,08B.
Nodo personalizado de ComfyUI para VibeVoice TTS. Audio conversacional expresivo, de formato largo y con múltiples oradores
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.
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
Núcleo CMS impulsado por IA para blogs personales y sitios web de creadores, con resúmenes IA, traducción, moderación y flujos de trabajo de escritura.
Nodos TTS OmniVoice para ComfyUI - Texto a voz multilingüe de cero disparos con clonación de voz, diseño de voz y diálogo multi-hablante
Lista de modelos de código abierto para síntesis de voz (TTS), clonación de voz y generación musical
Un dispositivo de IA conversacional + framework de software para compañía, entretenimiento, educación, atención médica, aplicaciones de IoT y robótica DIY. Construido con Python, NextJS, Arduino, ESP32, LLMs (GPT-4o), Deepgram STT y Azure TTS 🤖