#voice-cloning Repositorios
77 repositorios en total
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.
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.
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.
Producción de videos virales con un clic: 1. Extracción automática de textos de referencia 2. Imitación automática de textos 3. Clonación automática de voz basada en el texto 4. Generación automática de narración por presentador digital 5. Adición automática de subtítulos 6. Adición automática de música de fondo 7. Adición automática de títulos de video 8. Generación automática de portadas de video 9. Publicación automática de videos en varias plataformas
Un servidor de texto a voz compatible con la API de OpenAI que utiliza xtts_v2 y/o piper tts de Coqui AI como backend.
Marca de agua localizada para audios de voz generados por IA, con SOTA en robustez y detector muy rápido
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.
Nodo personalizado para la conversión de texto a voz de alta calidad en ComfyUI utilizando el modelo IndexTTS. Admite texto en chino e inglés, y puede replicar las características de voz basándose en un audio de referencia.
MimikaStudio - Una aplicación local-first para macOS (Apple Silicon) + Soporte Agentic MCP
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.).
Convierte PDFs y EPUBs en audiolibros; subtítulos o videos en videos doblados (incluyendo traducción), y más. Gratis. Pandrator utiliza modelos locales, incluyendo clonación de voz (instantánea, mejorada con RVC, ajuste fino de XTTS) y procesamiento LLM. Aspira a ser una aplicación fácil de usar con interfaz gráfica, instalador y paquetes todo en uno.
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.
🎭 Plataforma de avatar de IA / humano digital: sube una foto, clona una voz y habla con cualquier rostro en tiempo real mediante vídeo con sincronización labial. De código abierto y autohospedada. Claude · Whisper · Chatterbox · MuseTalk.
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.
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
El primer modelo de diálogo hablado de extremo a extremo y en tiempo real, de código abierto, con clonación de voz personalizada.
Nodo de ComfyUI para voz altamente expresiva y clonación de voz realista zero-shot
YouDub es una herramienta de código abierto diseñada para traducir y doblar automáticamente videos de YouTube de alta calidad, con el fin de llevarlos al internet chino. La herramienta utiliza tecnología de reconocimiento de voz por IA para convertir el audio en texto, luego traduce el texto al chino mediante un Modelo de Lenguaje Grande (LLM) y, finalmente, convierte el texto en audio utilizando tecnología de clonación de voz por IA. De esta manera, podemos crear videos doblados al chino que conservan el timbre de voz original del YouTuber.
Modelos de voz abiertos y full-duplex que perciben tu tono y hablan con uno propio. Una sola GPU con vLLM-Omni, o funcionamiento totalmente offline en un Mac con MLX. Clonación de voz zero-shot, compatibles con OpenAI Realtime / GPT-Live, y prueba gratuita de la API alojada. Apache-2.0.
Habla con Feng Ge: clona la voz y la personalidad de cualquier persona para conversar por voz en tiempo real, con una latencia de ingeniería inferior a 1 segundo.