#tts Dépôts
222 dépôts au total
Exécutez des LLM locaux comme llama, deepseek-distill, kokoro et plus encore dans votre navigateur
Une application Python/Pytorch pour synthétiser facilement des voix humaines
Une plate-forme de gestion d'entreprise Java pour Xiaozhi ESP32, offrant une solution intégrée front-end, back-end et serveur pour la surveillance des appareils, la personnalisation des timbres, le changement de rôle et la gestion de l'historique des conversations
🍦 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.
Mouseover Translate Any Language At Once - Chrome Extension: PDF Translator, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, AI, VIEWER, GMAIL, WRITING, IMAGE, DUALSUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPANESE, ENGLISH
💎 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).
Un outil (pour la plateforme Windows) capable d'enregistrer la voix de synthèse vocale (TTS) de Microsoft Edge et de la sortir en tant qu'audio .wav.
Un humain numérique interactif vocal en temps réel, avec une apparence et une voix personnalisables, prenant en charge le clonage de voix, et un délai de dialogue aussi bas que 3 secondes.
Traduction vocale en temps réel — macOS et Windows, TTS gratuit, sans serveur, vos seules clés API
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.
Le moteur d’IA open source pour AMD Strix Halo. Des modèles de texte, d’embeddings, de parole, d’image et de vidéo dans un seul binaire, avec des API compatibles avec OpenAI, une mise en cache pour les agents de programmation et des extensions de modèles. Linux et Windows.
TTS de meilleure pratique basé sur BERT et VITS avec certaines caractéristiques de Natural Speech de Microsoft ; prend en charge la sortie en streaming ONNX !
Irina est un assistant vocal russe pour le travail hors ligne. Prend en charge les compétences via des plugins.
🎬 Générez des vidéos de résumé de films narrées à partir d’une seule instruction.
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.
Petite amie IA vocale (petite amie IA vocale pour DeepSeek Harness) : saisie vocale avec Whisper + clonage de voix avec Qwen3-TTS + lecture en continu, phrase par phrase + fenêtre d’avatar animé. Deux modes : interruption ou mise en file d’attente ; il suffit de parler pour interrompre.
Transformez AI Studio Playground et Build en API via un proxy inverse | API AI Studio compatible avec OpenAI, Anthropic et Gemini
GLM-TTS : TTS Zéro-shot Contrôlable et Expressif Émotionnellement avec Apprentissage par Renforcement Multi-Récompenses
Avec une seule commande, créez un livre audio d'apparence naturelle à partir d'une variété de formats d'entrée (epub, mobi, txt, PDF, HTML et plus encore !)
Une API HTTP VITS simple, développée en étendant Moegoe avec des fonctionnalités supplémentaires.
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.
Fork de SumatraPDF : EPUB/MOBI en chinois, mode sombre intelligent pour PDF, OCR, TTS, dictionnaire hors ligne.
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).
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.
Version en direct de Cyber Xiaoya · Humain numérique modulaire (Vidu s2) · Gratuit et open source, AGPL-3.0 · Auteur : Tiangong Kaizhen (même nom sur Douyin/Bilibili/YouTube)
Le hub de la recherche en IA audio : articles, modèles ouverts, benchmarks et ensembles de données sur les LLM audio, la reconnaissance vocale, la TTS, la génération musicale et audio.
🔥🔥🔥Boîte à outils d'algorithmes d'IA gratuite et hors ligne pour Java, prenant en charge la reconnaissance faciale, la détection de vivacité, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, la reconnaissance de texte OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique et d'autres fonctions, utilisable par référence Maven. Prend en charge PyTorch, Tensorflow et a intégré des modèles courants tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Un framework de service de modèle ML haute performance, offre le traitement par lots dynamique et les pipelines CPU/GPU pour exploiter pleinement votre machine de calcul
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
Transformez les PDF en podcasts IA pour un contenu audio engageant à emporter.
DiffWave est un vocodeur neuronal et un synthétiseur de formes d'onde rapides et de haute qualité.