#text-to-speech Dépôts
261 dépôts au total
Un laboratoire pratique pour créer, tester et évaluer des applications avec le framework de modèles de fondation d'Apple.
Modèle TTS capable de diffuser en continu de l'audio conversationnel en temps réel.
Le cœur de VOICEVOX, un logiciel de synthèse vocale de qualité moyenne utilisable gratuitement
Une application d'assistant vocal modulaire pour expérimenter avec des modèles de transcription, de génération de réponses et de synthèse vocale de pointe. Prend en charge les API OpenAI, Groq, Elevenlabs, CartesiaAI et Deepgram, ainsi que des modèles locaux via Ollama. Idéal pour la recherche et le développement dans le domaine de la technologie vocale.
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.
SDK vocal-AI open-source. L'alternative à Vapi/Retell pour les développeurs qui veulent posséder la pile. Donnez à votre agent IA un numéro de téléphone en 4 lignes — Python et TypeScript, sous licence MIT, Twilio, Telnyx et Plivo.
Éditeur vidéo IA pour agents. Plugin ChatCut et serveur MCP pour Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work et Qwen Work : montez vos propres vidéos par conversation, ajoutez des légendes et des sous-titres, supprimez les silences et les mots de remplissage, créez des animations graphiques et exportez une timeline modifiable.
Rendez les voix TTS naturelles d'Azure accessibles à toute application compatible SAPI 5.
Un puissant modèle d'édition audio basé sur le LLM et l'apprentissage par renforcement, doté de 3 milliards de paramètres, excelle dans l'édition des émotions, du style de parole et de la paralinguistique, et dispose d'une robuste fonction de synthèse vocale (zero-shot text-to-speech).
Cette suite d'outils permet aux utilisateurs d'interagir directement avec les services d'IA depuis leur terminal.
Éditeur vidéo open-source et local d'abord, où les créateurs et les agents IA éditent la même timeline réelle.
Outil vocal open source (Apache 2.0) pour Claude Code et Codex sur macOS, qui lit à voix haute l’avancement de votre agent de programmation. La synthèse vocale s’exécute localement avec Kokoro, sans compte, ou vous pouvez utiliser votre propre clé ElevenLabs ou Speechify. Écoutez un bref résumé vocal lorsque votre agent a terminé, échoue ou a besoin d’une approbation.
Un livre créé par xiaolai avec l'aide de ChatGPT et de son TTS
Client API REST Vonage pour PHP. Prise en charge de l'API pour SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) et plus encore.
Un moteur TTS (synthèse vocale) léger et hors ligne pour Android, permettant un clonage vocal fluide à l'échelle du système et une lecture de texte haute fidélité. / Un moteur TTS (synthèse vocale) léger fonctionnant localement sur Android, prenant en charge l'extraction de locuteur hors ligne, le clonage de timbre sans seuil et la lecture globale au niveau système à double moteur.
NISQA - Évaluation Non Intrusive de la Qualité de la Parole et Naturalité TTS
Générateur vidéo automatique qui, à partir d'un thème donné, génère automatiquement des vidéos explicatives. L'utilisateur saisit le texte du thème, le système appelle un grand modèle linguistique pour générer une histoire ou un texte explicatif, puis appelle une interface de synthèse vocale pour générer la voix explicative, appelle une interface de texte à image pour générer des images d'accompagnement qui correspondent au contenu du texte, et enfin fusionne la voix et les images d'accompagnement pour créer une vidéo explicative.
DiffWave est un vocodeur neuronal et un synthétiseur de formes d'onde rapides et de haute qualité.
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.
Le modèle Bark de Suno AI en C/C++ pour une génération rapide de texte-à-voix
Un serveur de synthèse vocale compatible avec l'API OpenAI utilisant xtts_v2 et/ou piper tts de Coqui AI en backend.
Ressources de code Azure OpenAI pour l'utilisation des capacités gpt-4o en temps réel.
Lecteur d'eBook en Terminal avec synthèse vocale de qualité livre audio — Prend en charge les formats EPUB, PDF, DOCX, HTML, RTF, TXT et MD.
Un SDK modulaire Swift pour le traitement audio avec MLX sur Apple Silicon
De la parole au texte à la parole. Chanson en cours de lecture. Envoie du texte sous forme de messages OSC à VRChat pour l'afficher sur l'avatar. (STTTS) (Parole à TTS) (Système STT VRC) (VTuber TTS)
🎤 Lobe TTS - Une bibliothèque TTS/STT fiable et de haute qualité pour serveur et navigateur
Un modèle de synthèse vocale en anglais à deux voix et de 4,5 millions de paramètres, entraîné à partir de zéro
appareil basé sur esp32, principalement utilisé pour le chat vocal avec de grands modèles linguistiques
Chatbot vocal local pour des conversations engageantes, alimenté par Ollama, Hugging Face Transformers et Coqui TTS Toolkit
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.