#text-to-speech Dépôts
261 dépôts au total
Ceci est le Cœur de Personnalité pour GLaDOS, les premiers pas vers une implémentation réelle de l'IA de la série Portal de Valve.
Wrapper conteneurisé avec Docker, compatible avec OpenAI, pour la synthèse vocale Kokoro-82M, prenant en charge PyTorch sur CPU et GPU AMD et NVIDIA multiplateformes ; plusieurs voix, clonage et réglage de voix, horodatage des sous-titres, SSML, WebSockets et interface web facultative de lecture synchronisée
Un modèle de clonage vocal TTS rapide et de haute qualité qui atteint des vitesses de 150× en temps réel。
Bibliothèque d'inférence et d'entraînement pour les modèles TTS de haute qualité.
Tacotron 2 - Implémentation PyTorch avec inférence plus rapide que le temps réel
Un compagnon de bureau IA autonome et sensible au contexte. Développé en Python, il offre une vision de l’écran en temps réel, une synthèse vocale ONNX personnalisée, le suivi de la fenêtre active et une interface flottante dynamique aux expressions faciales réactives.
DiffSinger : Synthèse de la voix chantée via un mécanisme de diffusion superficiel (SVS & TTS) ; AAAI 2022 ; Code officiel
Un modèle TTS multilingue de 100 millions de paramètres pour l’inférence en temps réel sur CPU, le clonage de voix et la génération stéréo à 48 kHz
Un moteur d'inférence tout-en-un, pur C++, pour les modèles audio, propulsé par ggml. Prend en charge TTS, STT, VAD, conversion vocale, génération musicale, etc., avec des performances hautement optimisées. Aucune dépendance Python.
Une famille de modèles open source pour la synthèse vocale longue durée, la synthèse de dialogues, la conception de voix, les effets sonores et la synthèse vocale TTS en streaming en temps réel
Un outil de conversion vocale simple et de haute qualité axé sur la facilité d'utilisation et les performances.
:stuck_out_tongue_closed_eyes: TensorFlowTTS : Synthèse vocale de pointe en temps réel pour Tensorflow 2 (prend en charge notamment l'anglais, le français, le coréen, le chinois, l'allemand et est facile à adapter à d'autres langues)
SoulX-Podcast est une base de code d'inférence de l'équipe Soul AI pour générer des podcasts haute-fidélité à partir de texte.
Synthèse vocale vietnamienne avec clonage vocal instantané • Sur l’appareil • Inférence CPU en temps réel • Qualité audio 48 kHz • Synthèse de texte en vietnamien • Texte en voix vietnamienne • TTS vietnamien
Système de Conversation d'Avatar Numérique - Linly-Talker. 😄✨ Linly-Talker est un système d'IA intelligent qui combine de grands modèles linguistiques (LLM) avec des modèles visuels pour créer une nouvelle méthode d'interaction homme-IA. 🤝🤖 Il intègre diverses technologies telles que Whisper, Linly, Microsoft Speech Services et le système de génération de têtes parlantes SadTalker. 🌟🔬
Exemple de code pour le SDK Speech des services cognitifs Microsoft
Une seule interface Web Gradio + React avec extensions pour ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T et Bark !
L'éditeur de VOICEVOX, un logiciel de synthèse vocale de qualité moyenne utilisable gratuitement
Un moteur d'exécution vocal en temps réel qui permet aux agents de parler, de travailler et d'être présents. Moteur d'exécution vocal en temps réel pour agents IA
Modèles de synthèse vocale et de reconnaissance vocale de Kyutai basés sur le framework Delayed Streams Modeling.
[AutoArk] GPA (General Purpose Audio) peut effectuer de l'ASR, du TTS et de la conversion vocale avec un seul modèle minuscule !
Agrège les flux RSS et le contenu web (recette Calibre), les envoie à Kindle et inclut un lecteur en ligne optimisé pour e-ink.
aeneas est une bibliothèque Python/C et un ensemble d'outils pour synchroniser automagiquement l'audio et le texte (également connu sous le nom d'alignement forcé)
Créez des vidéos avec Claude Code : scénario, voix off IA, musique, clips vidéo et rendu, grâce à des modèles open source pour quelques centimes
Bibliothèque Python et outil CLI pour l'interface avec l'API text-to-speech de Google Translate
🚀 Déploiement en un clic (y compris packs hors ligne) ! Basé sur ChatTTS, prend en charge la sortie en streaming, la sélection de voix, la génération d'audio long et la lecture par rôle. Simple d'utilisation, aucune installation complexe requise.
MARY TTS -- un système de synthèse vocale multilingue open-source écrit en Java pur
AllTalk est basé sur le moteur Coqui TTS, similaire à l'extension Coqui_tts pour Text generation webUI, cependant il prend en charge une variété de fonctionnalités avancées, telles qu'une page de paramètres, le support VRAM faible, DeepSpeed, un narrateur, le réglage fin du modèle, des modèles personnalisés, la maintenance des fichiers wav. Il peut également être utilisé avec des logiciels tiers via des appels JSON.
HiFi-GAN : Réseaux Génératifs Antagonistes (GAN) pour une Synthèse Vocale Efficace et Haute Fidélité
Studio audio et musical IA local et open source pour macOS et Windows. Synthèse vocale, clonage de voix, chansons avec paroles et partitions multipistes — 100 % hors ligne, sans frais d’API.
Implémentation PyTorch de VALL-E (Synthèse vocale sans échantillon), Démo reproduite https://lifeiteng.github.io/valle/index.html
IA multimodale en temps réel sur appareil avec des fonctionnalités similaires à GPT-Live
Studio d’IA local et portable pour Windows, Linux et macOS. Interface graphique sans configuration pour la génération d’images, les LLM GGUF, la synthèse vocale et la transcription audio
Point de terminaison API de synthèse vocale gratuit et de haute qualité pour remplacer OpenAI, Azure ou ElevenLabs