#text-to-speech Repository
261 repository in totale
Runtime ad alte prestazioni per lโerogazione di sistemi di superintelligenza interattivi
Un'estensione per browser fantastica che legge ad alta voce il contenuto delle pagine web con un solo clic
Libreria di inferenza AI on-device per React Native, ad alte prestazioni e orientata alla privacy, basata sul runtime ExecuTorch di PyTorch
Motore di sintesi vocale VOICEVOX, un software di sintesi vocale di media qualitร utilizzabile gratuitamente
Traduce automaticamente il testo di un video in base a un file di sottotitoli, quindi utilizza i servizi vocali AI per creare una nuova traccia audio doppiata e tradotta in cui il parlato รจ sincronizzato con i tempi dei sottotitoli.
Argomento โ Video narrato in 4K per agenti di coding. v5.3.0: TTS locale (Edge gratuito + Azure, senza motore esterno), motore delle risorse basato su manifest, composizione Remotion, generazione IA vincolata dai costi, Bilibili/YouTube/Xiaohongshu/Douyin/Canali WeChat
App Linux Speech Note. Prendere appunti, leggere e tradurre con Speech to Text offline, Text to Speech e traduzione automatica.
Talking Head (3D): Una classe JavaScript per la sincronizzazione labiale in tempo reale che utilizza avatar 3D a corpo intero.
VibeVoice: Sintesi vocale espressiva e conversazionale di lunga durata. (Fork della community)
Server di inferenza LLM ad alte prestazioni compatibile con OpenAI e Anthropic per Apple Silicon. MLX nativo, batching continuo, modelli multimodali, chiamate di strumenti MCP e supporto per Claude Code.
Modello Text-to-Speech basato su Flow Matching con controllo dello stile guidato da emoji
Parallel WaveGAN Non Ufficiale (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) con PyTorch
Una workstation di generazione (di brevi video) che integra la pianificazione dei contenuti, la generazione automatica di testi pubblicitari tramite IA, il doppiaggio automatico in blocco con TTS, la sintesi di materiali fotografici (IA), l'estrazione automatica di script di sottotitoli linguistici tramite ASR e la creazione libera tramite IA. Comoda per la gestione dei progetti video di ogni episodio.
AuK: Un modello fondativo open source per la generazione e lโediting del parlato
Server ufficiale del protocollo di contesto del modello MiniMax (MCP) che consente l'interazione con potenti API di sintesi vocale, generazione di immagini e generazione di video.
Una completa integrazione ComfyUI per il modello text-to-speech VibeVoice di Microsoft, che consente la sintesi vocale di alta qualitร per singolo e multi-speaker direttamente nei tuoi flussi di lavoro ComfyUI.
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.
Fine-tune LLMs sul tuo Mac con Apple Silicon. SFT, DPO, GRPO, Visione, TTS, STT, Embedding e fine-tuning OCR โ nativamente su MLX. API compatibile con Unsloth.
Un'app Python/Pytorch per sintetizzare facilmente voci umane
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
๐ฆ Speech-AI-Forge รจ un progetto sviluppato attorno a un modello di generazione TTS, che implementa un API Server e una WebUI basata su Gradio.
Video esplicativi e dimostrazioni di prodotti realizzati dal tuo agente IA. Gratuito e open source: una voce locale (Kokoro), la sincronizzazione delle parole (Whisper) e un renderer canvas trasformano uno script in un MP4 narrato.
๐ Un elenco di corpora vocali accessibili per ASR, TTS e altre tecnologie vocali
[ICASSP 2024] ๐ต Matcha-TTS: Un'architettura TTS veloce con corrispondenza di flusso condizionale
Traduttore di schermo in tempo reale per Android, open source e senza root, adatto a giochi, visual novel e manga. Supporta OCR su dispositivo e cloud, LLM offline, piรน servizi di traduzione, traduzioni su schermo e sintesi vocale (TTS).
Motore di inferenza offline per arte, conversazioni vocali in tempo reale, chatbot basati su LLM e flussi di lavoro automatizzati
[ICLR 2025] Modelli SOTA di codec acustici discreti all'avanguardia con 40/75 token al secondo per la modellazione del linguaggio audio
Toolkit vocale IA per Apple Silicon โ ASR, TTS, voce-su-voce, VAD e diarizzazione alimentati da MLX e CoreML
StreamSpeech รจ un modello "All in One" senza interruzioni per il riconoscimento vocale offline e simultaneo, la traduzione vocale e la sintesi vocale.
Un'integrazione di nodi personalizzati ComfyUI per la sintesi vocale e la conversione vocale locale multi-motore e multilingue. Supporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (classico e multilingue), F5-TTS, Higgs Audio 2, 3 e VibeVoice con lunghezza del testo illimitata, timing SRT, supporto per i personaggi e molti strumenti audio.