#text-to-speech Dépôts
Découvrez 260 dépôts GitHub open source actifs associés à #text-to-speech, cumulant 1,515,362 étoiles au total (soit une moyenne de 5,828 étoiles par projet). Le projet en tête de ce thème est harry0703/MoneyPrinterTurbo, avec 144,921 étoiles.
261 dépôts au total
Générez des vidéos courtes en haute définition à partir d'un sujet ou d'un mot-clé grâce à un flux de travail automatisé par IA.
VoiceStudio est l’alternative open source et entièrement locale à ElevenLabs : clonage vocal, conception de voix, doublage vidéo, dictée, transcription et création de livres audio dans 646 langues.
Premier système de production vidéo open-source et agentique au monde. 12 pipelines de production, plus de 100 outils, plus de 700 fichiers de compétences d'agent et de connaissances de production. Transformez votre assistant de codage IA en un studio de production vidéo complet.
Interface locale pour exécuter et entraîner des LLM et des modèles de diffusion. Compatible avec GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX et bien d’autres.
1 minute de données vocales peut également être utilisée pour entraîner un bon modèle TTS ! (clonage de voix few-shot)
🐸💬 - une boîte à outils d'apprentissage profond pour la synthèse vocale, éprouvée en recherche et en production
VoxCPM2 : TTS sans tokenizer pour la génération de parole multilingue, le design vocal créatif et le clonage réaliste
🚀 Clonez une voix en 5 secondes pour générer un discours arbitraire en temps réel
Un système de synthèse vocale Zero-Shot contrôlable et efficace au niveau industriel
Modèle de génération vocale multilingue à grande échelle, offrant des capacités full-stack pour l'inférence, la formation et le déploiement.
Traduisez la vidéo d'une langue à une autre et intégrez le doublage et les sous-titres.
Une boîte à outils de styles cinématographiques créés avec du code pour Claude Code : 99 styles prêts à l’emploi, et la possibilité de créer les vôtres. Chaque style comprend un prompt de style et un film de démonstration réalisé entièrement en code par Claude Opus 5.5, sans modèle vidéo. Par Lemomo.
Synthèse vocale, conversion de la parole en texte, diarisation des locuteurs, amélioration de la parole, séparation des sources et VAD utilisant la nouvelle génération de Kaldi avec onnxruntime sans connexion Internet. Prise en charge des systèmes embarqués, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, serveurs x86_64, serveur/client websocket, prise en charge de 12 langages de programmation
Code officiel pour "F5-TTS : un conteur qui simule un discours fluide et fidèle avec Flow Matching"
TTS multilingue ultra-rapide sur l'appareil — s'exécutant nativement via ONNX.
Gradio WebUI pour créateurs et développeurs, avec les principales fonctionnalités TTS (Edge-TTS, kokoro) et clonage de voix zero-shot (E2 & F5-TTS, CosyVoice), avec traitement audio Whisper, téléchargement YouTube, isolation vocale Demucs et traduction multilingue.
Utilisez le service de synthèse vocale en ligne de Microsoft Edge depuis Python SANS avoir besoin de Microsoft Edge
🏠 Connectez l'enceinte XiaoAi à ChatGPT et Doubao, transformez-la en votre assistant vocal exclusif.
Amphion (/æmˈfaɪən/) est une boîte à outils pour la génération audio, musicale et vocale. Son objectif est de soutenir la recherche reproductible et d'aider les jeunes chercheurs et ingénieurs à démarrer dans le domaine de la recherche et développement en génération audio, musicale et vocale.
Une bibliothèque text-to-speech (TTS), speech-to-text (STT) et speech-to-speech (STS) construite sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.
Préversion d’ODS V3 : tests publics et améliorations avant le lancement officiel de V3. Transformez votre PC, Mac ou machine Linux en serveur d’IA privé.
Zonos-v0.1 est un modèle de synthèse vocale open-weight de premier plan, entraîné sur plus de 200 000 heures de parole multilingue variée, offrant une expressivité et une qualité comparables, voire supérieures, aux meilleurs fournisseurs de TTS.
Bibliothèque de synthèse vocale multilingue de haute qualité par MyShell.ai. Prend en charge l'anglais, l'espagnol, le français, le chinois, le japonais et le coréen.
eSpeak NG est un synthétiseur vocal open source qui prend en charge plus de cent langues et accents.
Ce référentiel contient des ressources sélectionnées à la main pour l'ingénierie de prompts, axées sur les transformeurs pré-entraînés génératifs (GPT), ChatGPT, PaLM, etc.
L'IA génère des vidéos courtes en masse en un clic, remixe automatiquement des vidéos courtes, publie automatiquement des vidéos sur Douyin, Kuaishou, Xiaohongshu, Video Channel, gagner de l'argent n'a jamais été aussi facile ! Prend en charge les modèles vocaux locaux chatTTS, faster-whisper, GPTSoVITS, prend en charge les voix cloud : Azure, Alibaba Cloud, Tencent Cloud. Prend en charge Stable diffusion, comfyUI pour la génération directe d'images par IA. Générez des vidéos courtes en un clic avec l'IA LLM, imprimez de l'argent ensemble ! Prend en charge : chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Générer des livres audio à partir d'EPUB, de PDF et de textes avec des légendes synchronisées.
Plateforme d'IA vocale open source. Alternative auto-hébergée à Vapi et Retell. Sur site (on-prem), BYOK pour Speech-to-Speech ou LLM/STT/TTS, avec un constructeur de flux de travail visuel, natif MCP et support de la téléphonie.
Modèles Silero : des modèles de synthèse vocale pré-entraînés rendus incroyablement simples
🎙️🤖Créez, personnalisez et parlez avec votre personnage/compagnon IA en temps réel (Tout dans une seule base de code !). Ayez une conversation naturelle et fluide avec l'IA partout (mobile, web et terminal) en utilisant LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
StyleTTS 2 : Vers une synthèse vocale de niveau humain par diffusion de style et entraînement contradictoire avec de grands modèles linguistiques vocaux
Localisation et doublage vidéo par IA open source pour YouTube/Bilibili : reconnaissance vocale, traduction de sous-titres, clonage vocal, mixage audio et rendu. Outil open source de traduction et doublage vidéo par IA.
Foire aux questions
Quel est le dépôt #text-to-speech le plus populaire sur GitHub ?
Le projet #text-to-speech open source le mieux classé sur GitHub est harry0703/MoneyPrinterTurbo, avec 144,921 étoiles. Générez des vidéos courtes en haute définition à partir d'un sujet ou d'un mot-clé grâce à un flux de travail automatisé par IA.
Quels langages de programmation sont les plus utilisés dans les dépôts #text-to-speech ?
Parmi les projets #text-to-speech les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, JavaScript, C++.
Comment le classement des dépôts #text-to-speech est-il calculé ?
Nous suivons 260 dépôts open source actifs associés à #text-to-speech (500+ étoiles), totalisant 1,515,362 étoiles, avec une moyenne de 5,828 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.