#speech-synthesis Repository
101 repository in totale
Auto-ospita il potente modello Chatterbox TTS. Questo server offre un'interfaccia Web user-friendly, endpoint API flessibili (inclusi compatibili con OpenAI), voci predefinite, clonazione vocale ed elaborazione di testi su larga scala per audiolibri. Esegue accelerato su NVIDIA (CUDA), AMD (ROCm) e CPU.
Un modello multilingue per la sintesi di dialoghi a piรน parlanti e di lunga durata, con controllo flessibile dei parlanti e clonazione vocale zero-shot
Pre-addestramento unimodale vocale-testuale unificato per l'elaborazione del linguaggio parlato
๐ Un elenco di corpora vocali accessibili per ASR, TTS e altre tecnologie vocali
StreamSpeech รจ un modello "All in One" senza interruzioni per il riconoscimento vocale offline e simultaneo, la traduzione vocale e la sintesi vocale.
Irina รจ un assistente vocale russo per il lavoro offline. Supporta le skill tramite plugin.
Il nucleo di VOICEVOX, un software di sintesi vocale di media qualitร utilizzabile gratuitamente
Generatore di audiolibri multi-voce alimentato da IA โ annotazione script LLM, clonazione vocale, design vocale, addestramento LoRA, controllo stile per riga ed esportazione in MP3, M4B con capitoli o tracce multiple Audacity. Costruito su Qwen3-TTS.
AutoVC: Trasferimento di stile vocale zero-shot con solo perdita dell'autoencoder
YourTTS: Verso TTS multi-speaker in modalitร zero-shot e conversione vocale in modalitร zero-shot per tutti
Rendi le voci TTS naturali di Azure accessibili a qualsiasi applicazione compatibile con SAPI 5.
NISQA - Valutazione Non Intrusiva della Qualitร del Discorso e Naturalitร TTS
DiffWave รจ un vocoder neurale e sintetizzatore di forme d'onda veloce e di alta qualitร .
Produzione di video virali con un clic: 1. Estrazione automatica di testi di riferimento 2. Imitazione automatica di testi 3. Clonazione vocale automatica basata sul testo 4. Generazione automatica di narrazione da persona digitale 5. Aggiunta automatica di sottotitoli 6. Aggiunta automatica di musica di sottofondo 7. Aggiunta automatica di titoli video 8. Generazione automatica di copertine video 9. Pubblicazione automatica di video su varie piattaforme
Confucius4-TTS: un motore di sintesi vocale (TTS) multilingue e cross-lingue zero-shot
sanoTTS (เคธเคพเคจเฅ significa ยซpiccoloยป in nepalese): un sistema neurale di sintesi vocale con un numero di parametri compreso tra 294 mila e 2,27 milioni, che funziona su un chip da 3 $, nel browser o in Python, con streaming a bassa latenza.
Un wrapper Python per il vocoder di alta qualitร "World"
Vui Nano โ un piccolo modello di sintesi vocale consapevole del contesto, addestrato su conversazioni reali. 219 milioni di parametri attivi (305 milioni in totale), Apache 2.0, clonazione vocale e streaming; funziona su CPU (build in C priva di dipendenze). Include un assistente vocale completo in tempo reale: WebRTC, ASR, LLM locale e compatibilitร con lโAPI Realtime di OpenAI.
L'intento di questo progetto รจ quello di uniformare il modo in cui vengono utilizzate varie sintesi vocali, supportare piรน adattatori per sintesi vocali, consentire l'uso diretto come modulo o l'avvio di un servizio backend.
Thorsten-Voice: Una voce TTS tedesca di alta qualitร , gratuita da utilizzare e funzionante offline, dovrebbe essere disponibile per ogni progetto senza problemi di licenza.
Valutazione automatica unificata della qualitร per parlato, musica e suoni.
Pubblicazioni INTERSPEECH 2023-2024: Una raccolta completa di ricerche influenti ed entusiasmanti dalla conferenza INTERSPEECH 2023-24. Esplora gli ultimi progressi nell'elaborazione del parlato e del linguaggio. Codice incluso. Metti una stella al repository per supportare l'avanzamento della tecnologia vocale!
Aggiorna automaticamente ogni giorno i paper Text-to-Speech (TTS) utilizzando Github Actions (Aggiornamento ogni 12 ore)
App Electron per la sintesi vocale basata su machine learning, con voci di personaggi specifici dai videogiochi
Hojo-TTS-Light รจ una serie di modelli leggeri di generazione vocale sviluppata da HojoAI, che attualmente comprende modelli da 0,04B e 0,08B.
Agente interattivo Speech-to-Speech di alta qualitร e in streaming in un singolo file. Prototipo di agente intelligente per interazione vocale full-duplex in streaming realizzato con un solo file!
Reverse Engineering del Tokenizer semantico di voce supervisato (S3Tokenizer) proposto in CosyVoice
SummerTTS รจ un progetto di sintesi vocale (TTS) autonomo basato su C++ per le lingue cinese e inglese. Funziona in locale senza necessitร di rete e non ha dipendenze aggiuntive. Una volta completata la compilazione con un solo clic, รจ pronto per essere utilizzato per la sintesi vocale in cinese e inglese.
Tieni traccia dei grandi modelli nel dominio audio, inclusi parlato, canto, musica ecc.
StarGANv2-VC: Un framework diversificato, non supervisionato e non parallelo per la conversione vocale dal suono naturale
Sintesi vocale, riconoscimento vocale e rilevamento dellโattivitร vocale per conversazioni vocali, in C++ su ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD su Metal, Vulkan e CPU, con un server compatibile con OpenAI e trascrizione in tempo reale.
VibeVoiceFusion รจ un sistema web full-stack per la generazione vocale multi-speaker, con fine-tuning LoRA, generazione in batch e ottimizzazione della VRAM. Basato su VibeVoice di Microsoft (architettura autoregressiva + diffusione).