#voice-cloning Repositorios
Descubre 76 repositorios activos de código abierto de GitHub etiquetados con #voice-cloning, que acumulan 629,830 estrellas en total (una media de 8,287 estrellas por proyecto). El líder de este tema es debpalash/VoiceStudio, con 115,753 estrellas.
77 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.
¡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
🐸💬 - 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
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!
Corte, traducción, alineación e incluso doblaje de subtítulos a nivel de Netflix: equipo de subtítulos de video IA totalmente automatizado con un solo clic | Netflix級字幕切割、翻譯、對齊、甚至加上配音,一鍵全自動視頻搬運AI字幕組
Beta: el editor de vídeo verdaderamente gratuito, de código abierto, centrado en el uso local y multiplataforma. Programable mediante una API JSON-RPC y MCP.
Qwen3-TTS es una serie de modelos TTS de código abierto desarrollada por el equipo Qwen de Alibaba Cloud, que admite generación de voz estable, expresiva y en streaming, diseño de voz libre y clonación de voz vívida.
YuE2: generación musical de vanguardia con planificación simbólica, versiones de canciones sin ejemplos previos y edición musical mediante agentes.
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.
Zonos-v0.1 es un modelo líder de texto a voz de peso abierto entrenado en más de 200 000 horas de habla multilingüe variada, que ofrece una expresividad y una calidad a la par, o incluso superiores, a los principales proveedores de TTS.
🎙️🤖Crea, personaliza y habla con tu personaje/compañero IA en tiempo real (¡Todo en una única base de código!). Mantén una conversación natural y fluida con la IA en cualquier lugar (móvil, web y terminal) utilizando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Localización y doblaje de video con IA de código abierto para YouTube/Bilibili: reconocimiento de voz, traducción de subtítulos, clonación de voz, mezcla de audio y renderizado. Herramienta de código abierto para traducción y doblaje de videos con IA.
Un modelo rápido y de alta calidad de clonación de voz TTS que alcanza velocidades de 150× en tiempo real。
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 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
Una herramienta de conversión de voz simple y de alta calidad centrada en la facilidad de uso y el rendimiento.
Sistema de Conversación con Avatar Digital - Linly-Talker. 😄✨ Linly-Talker es un sistema de IA inteligente que combina modelos de lenguaje grandes (LLM) con modelos visuales para crear un novedoso método de interacción humano-IA. 🤝🤖 Integra diversas tecnologías como Whisper, Linly, Microsoft Speech Services y el sistema de generación de cabezas parlantes SadTalker. 🌟🔬
Herramienta de IA de doblaje/traducción de video multilingüe inteligente - Linly-Dubbing — “IA empoderada, sin fronteras lingüísticas”
Servidor nativo de inferencia de LLM para Apple Silicon. Compatible con las API de OpenAI y Anthropic. Sin Python. Aplicación de macOS con backend en Zig y frontend en Swift, compatible con la generación de chat, música, voz y vídeo.
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.
Modelo de texto a voz basado en Flow Matching con control de estilo impulsado por emojis
Servidor oficial del Protocolo de Contexto del Modelo (MCP) de MiniMax que permite la interacción con potentes API de texto a voz, generación de imágenes y generación de video.
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.
Una aplicación Python/Pytorch para sintetizar fácilmente voces humanas
Un modelo multilingüe para la síntesis de diálogos extensos y con múltiples hablantes, con control flexible de los hablantes y clonación de voz de cero disparos
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
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.
Generador de Podcast de IA para episodios bilingües, Multilenguaje, Alternativa a NotebookLLM; Generador de Podcast de IA para diálogos reales, Multilenguaje, Múltiples voces
Preguntas frecuentes
¿Cuál es el repositorio de #voice-cloning más popular en GitHub?
El proyecto de código abierto de #voice-cloning 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 #voice-cloning?
Entre los proyectos de #voice-cloning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #voice-cloning?
Seguimos 76 repositorios activos de código abierto etiquetados con #voice-cloning (500+ estrellas), que suman un total de 629,830 estrellas, con una media de 8,287 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.