#speech-synthesis Dépôts
101 dépôts au total
Auto-hébergez le puissant modèle Chatterbox TTS. Ce serveur offre une interface Web conviviale, des points de terminaison API flexibles (y compris compatibles avec OpenAI), des voix prédéfinies, le clonage de voix et le traitement de texte à l'échelle de grands livres audio. S'exécute accéléré sur NVIDIA (CUDA), AMD (ROCm) et CPU.
Un modèle multilingue pour la synthèse de dialogues longs à plusieurs locuteurs, avec un contrôle flexible des locuteurs et un clonage vocal sans apprentissage spécifique
Pré-entraînement unifié voix-texte unimodal pour le traitement du langage parlé
💎 Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
StreamSpeech est un modèle transparent « tout-en-un » pour la reconnaissance vocale, la traduction vocale et la synthèse vocale hors ligne et simultanées.
Irina est un assistant vocal russe pour le travail hors ligne. Prend en charge les compétences via des plugins.
Le cœur de VOICEVOX, un logiciel de synthèse vocale de qualité moyenne utilisable gratuitement
Générateur d'audiolivres multi-voix alimenté par IA — annotation de scripts LLM, clonage de voix, conception de voix, entraînement LoRA, contrôle de style par ligne, et export vers MP3, M4B chapitré ou pistes multiples Audacity. Construit sur Qwen3-TTS.
AutoVC : Transfert de style vocal zero-shot avec uniquement la perte d'autoencodeur
YourTTS : Vers un TTS multi-locuteur en zero-shot et une conversion vocale en zero-shot pour tous
Rendez les voix TTS naturelles d'Azure accessibles à toute application compatible SAPI 5.
NISQA - Évaluation Non Intrusive de la Qualité de la Parole et Naturalité TTS
Un LLM parlant qui fonctionne sur votre propre ordinateur sans avoir besoin d'Internet.
DiffWave est un vocodeur neuronal et un synthétiseur de formes d'onde rapides et de haute qualité.
Production de vidéos virales en un clic : 1. Extraction automatique de textes de référence 2. Imitation automatique de textes 3. Clonage vocal automatique basé sur le texte 4. Génération automatique de narration par un présentateur numérique 5. Ajout automatique de sous-titres 6. Ajout automatique de musique de fond 7. Ajout automatique de titres vidéo 8. Génération automatique de miniatures vidéo 9. Publication automatique des vidéos sur diverses plateformes
Confucius4-TTS : un moteur de synthèse vocale (TTS) multilingue et translingue zéro-shot
sanoTTS (सानो signifie « petit » en népalais) : un système neuronal de synthèse vocale comptant de 294 000 à 2,27 millions de paramètres, qui fonctionne sur une puce à 3 $, dans le navigateur ou en Python, avec une diffusion en continu à faible latence.
Un wrapper Python pour le vocoder de haute qualité "World"
Vui Nano — un petit modèle de synthèse vocale sensible au contexte, entraîné sur des conversations réelles. 219 millions de paramètres actifs (305 millions au total), sous licence Apache 2.0, clonage vocal et diffusion en continu ; fonctionne sur CPU (build C sans dépendances). Inclut un assistant vocal temps réel complet : WebRTC, ASR, LLM local et compatibilité avec l’API Realtime d’OpenAI.
L'intention de ce projet est d'unifier la manière d'utiliser divers moteurs de synthèse vocale, de prendre en charge plusieurs adaptateurs de moteurs de synthèse vocale, de permettre une utilisation directe en tant que module ou le lancement d'un service backend.
Thorsten-Voice : Une voix TTS allemande de haute qualité, gratuite à utiliser et fonctionnant hors ligne, devrait être disponible pour chaque projet sans aucun problème de licence.
Évaluation automatique unifiée de la qualité pour la parole, la musique et les sons.
Articles INTERSPEECH 2023-2024 : Une collection complète de recherches influentes et passionnantes de la conférence INTERSPEECH 2023-24. Explorez les dernières avancées dans le traitement de la parole et du langage. Code inclus. Ajoutez une étoile au dépôt pour soutenir l'avancement de la technologie de la parole !
Mise à jour automatique quotidienne des papiers Text-to-Speech (TTS) à l'aide de Github Actions (Mise à jour toutes les 12 heures)
Application Electron de synthèse vocale basée sur l'apprentissage automatique, avec des voix de personnages spécifiques de jeux vidéo
Hojo-TTS-Light est une série de modèles légers de génération vocale développée par HojoAI, qui comprend actuellement des modèles de 0,04B et 0,08B.
Agent interactif Speech-to-Speech de haute qualité et en streaming dans un seul fichier. Prototype d'agent intelligent d'interaction vocale en streaming full-duplex réalisé avec un seul fichier !
Ingénierie inverse du tokeniseur semantique de discours supervisé (S3Tokenizer) proposé dans CosyVoice
SummerTTS est un projet de synthèse vocale (TTS) autonome basé sur C++ pour le chinois et l'anglais, qui se compile de manière indépendante. Il peut être exécuté localement sans connexion réseau ni dépendances supplémentaires. Une compilation en un clic suffit pour l'utiliser pour la synthèse vocale en chinois et en anglais.
Suivez les grands modèles dans le domaine audio, y compris la parole, le chant, la musique, etc.
StarGANv2-VC: Un framework diversifié, non supervisé et non parallèle pour la conversion vocale au son naturel
Synthèse vocale, reconnaissance vocale et détection d’activité vocale pour les conversations vocales, en C++ avec ggml : Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet et Silero VAD sur Metal, Vulkan et le CPU, avec un serveur compatible avec OpenAI et une transcription en direct.
VibeVoiceFusion est un système web complet de génération vocale à plusieurs locuteurs, doté du réglage fin LoRA, de la génération par lots et de l’optimisation de la VRAM. Basé sur VibeVoice de Microsoft (architecture autorégressive + diffusion).