#text-to-speech Dépôts
261 dépôts au total
Environnement d’exécution hautes performances pour le service de systèmes de superintelligence interactifs
Une extension de navigateur géniale qui lit à voix haute le contenu des pages web en un seul clic
Bibliothèque d'inférence d'IA sur l'appareil pour React Native, haute performance et axée sur la confidentialité, propulsée par le runtime ExecuTorch de PyTorch
Moteur de synthèse vocale VOICEVOX, un logiciel de synthèse vocale de qualité moyenne utilisable gratuitement
Le système d'auto-codage pour votre application — Alan AI SDK pour Flutter
Traduit automatiquement le texte d'une vidéo en fonction d'un fichier de sous-titres, puis utilise des services vocaux IA pour créer une nouvelle piste audio doublée et traduite où la parole est synchronisée à l'aide des minutages des sous-titres.
Sujet → Vidéo narrée en 4K pour les agents de codage. v5.3.0 : TTS local (Edge gratuit + Azure, sans moteur externe), moteur de ressources basé sur un manifeste, composition Remotion, génération par IA soumise aux coûts, Bilibili/YouTube/Xiaohongshu/Douyin/Chaînes WeChat
Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale hors ligne (Speech to Text), synthèse vocale (Text to Speech) et traduction automatique.
Talking Head (3D) : Une classe JavaScript pour la synchronisation labiale en temps réel utilisant des avatars 3D corporels complets.
VibeVoice : Synthèse vocale expressive et conversationnelle longue. (Fork communautaire)
Le système de codage automatique pour votre application — Alan AI SDK pour Ionic
Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. MLX natif, traitement par lots continu, modèles multimodaux, appels d'outils MCP et prise en charge de Claude Code.
Modèle texte-parole basé sur Flow Matching avec contrôle de style piloté par emojis
Parallel WaveGAN Non Officiel (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) avec PyTorch
Un poste de travail de génération (de courtes vidéos) intégrant la planification de contenu, la génération automatique de texte par IA, le doublage automatique TTS en masse, la synthèse de matériel d'image (IA), l'extraction automatique de scripts de sous-titres linguistiques par ASR et la création libre par IA. Il facilite la gestion des projets vidéo de chaque épisode.
AuK : Un modèle fondamental open source pour la génération et l’édition de la parole
Serveur officiel du protocole de contexte de modèle MiniMax (MCP) qui permet l'interaction avec de puissantes API de synthèse vocale, de génération d'images et de génération de vidéos.
Une intégration ComfyUI complète pour le modèle de synthèse vocale VibeVoice de Microsoft, permettant une synthèse vocale de haute qualité pour un ou plusieurs locuteurs directement dans vos flux de travail ComfyUI.
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.
Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.
Une application Python/Pytorch pour synthétiser facilement des voix humaines
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
🍦 Speech-AI-Forge est un projet développé autour d'un modèle de génération TTS, implémentant un serveur API et une interface utilisateur Web basée sur Gradio.
Des vidéos explicatives et des démonstrations de produits créées par votre agent IA. Gratuit et open source : une voix locale (Kokoro), le minutage des mots (Whisper) et un moteur de rendu sur canevas transforment un script en MP4 avec narration.
💎 Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
[ICASSP 2024] 🍵 Matcha-TTS : Une architecture TTS rapide avec mise en correspondance de flux conditionnelle
Traducteur d'écran en temps réel pour Android, open source et sans root, adapté aux jeux, aux visual novels et aux mangas. Prend en charge l'OCR sur appareil et dans le cloud, les LLM hors ligne, plusieurs services de traduction, les traductions à l'écran et la synthèse vocale (TTS).
Moteur d'inférence hors ligne pour l'art, les conversations vocales en temps réel, les chatbots alimentés par LLM et les flux de travail automatisés
[ICLR 2025] Modèles SOTA de codec acoustique discret avec 40/75 tokens par seconde pour la modélisation du langage audio
Kit d'outils de parole IA pour Apple Silicon — ASR, TTS, parole-parole, VAD et diarisation propulsés par MLX et CoreML
StreamSpeech est un modèle transparent « tout-en-un » pour la reconnaissance vocale, la traduction vocale et la synthèse vocale hors ligne et simultanées.
Une intégration de nœuds personnalisés ComfyUI pour la synthèse vocale et la conversion de voix locales multi-moteurs et multilingues. Prend en charge : RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (classique et multilingue), F5-TTS, Higgs Audio 2, 3 et VibeVoice avec une longueur de texte illimitée, synchronisation SRT, prise en charge des personnages et de nombreux outils audio.
Ressources ChatTTS, adresse d'essai gratuite, bibliothèque de voix, etc.