#tts Repository
222 repository in totale
Esegui LLM locali come llama, deepseek-distill, kokoro e altro ancora nel tuo browser
Un'app Python/Pytorch per sintetizzare facilmente voci umane
Una piattaforma di gestione enterprise Java per Xiaozhi ESP32, che offre una soluzione integrata frontend, backend e server per il monitoraggio dei dispositivi, la personalizzazione delle timbriche, il cambio di ruolo e la gestione della cronologia delle conversazioni
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.
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
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).
Uno strumento (per la piattaforma Windows) in grado di registrare la voce di sintesi vocale (TTS) di Microsoft Edge e di salvarla come file audio .wav.
Umano digitale interattivo vocale in tempo reale, con aspetto e voce personalizzabili, che supporta la clonazione vocale e presenta una latenza di dialogo di soli 3 secondi.
Traduzione vocale in tempo reale โ macOS e Windows, TTS gratuito, senza server, solo le tue chiavi API
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.
Il motore di IA open source per AMD Strix Halo. Modelli di testo, embedding, voce, immagini e video in un unico binario, con API compatibili con OpenAI, caching per agenti di programmazione ed estensioni dei modelli. Linux e Windows.
Best practice TTS basato su BERT e VITS con alcune caratteristiche di Natural Speech di Microsoft; supporta l'output in streaming ONNX!
Irina รจ un assistente vocale russo per il lavoro offline. Supporta le skill tramite plugin.
๐ฌ Genera video narrati di riepiloghi cinematografici a partire da un solo prompt.
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.
Fidanzata IA vocale (fidanzata IA vocale per DeepSeek Harness): input vocale con Whisper + clonazione vocale con Qwen3-TTS + riproduzione in streaming frase per frase + finestra con avatar animato. Due modalitร : interruzione o coda; basta parlare per interrompere.
Esporre AI Studio Playground e Build come API tramite reverse proxy | API di AI Studio compatibile con OpenAI, Anthropic e Gemini
GLM-TTS: TTS Zero-shot Controllabile ed Espressivo Emotivamente con Apprendimento per Rinforzo Multi-Ricompensa
Con un solo comando, crea un audiolibro dal suono naturale da una varietร di formati di input (epub, mobi, txt, PDF, HTML e altro!)
Una semplice API HTTP VITS, sviluppata estendendo Moegoe con funzionalitร aggiuntive.
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.
Fork di SumatraPDF: EPUB/MOBI in cinese, modalitร scura intelligente per PDF, OCR, TTS, dizionario offline.
Un potente modello di editing audio basato su LLM e apprendimento per rinforzo, con 3 miliardi di parametri, eccelle nell'editing di emozioni, stile di parlato e paralinguistica, e offre una robusta funzionalitร di text-to-speech zero-shot.
Strumento vocale open source (Apache 2.0) per Claude Code e Codex su macOS che legge ad alta voce i progressi del tuo agente di programmazione. La voce viene generata localmente con Kokoro, senza bisogno di un account, oppure puoi usare la tua chiave ElevenLabs o Speechify. Ascolta un breve riepilogo vocale quando lโagente termina, non riesce o necessita di approvazione.
Versione live di Cyber Xiaoya ยท Persona digitale modulare (Vidu s2) ยท Gratuito e open source, AGPL-3.0 ยท Autore: Tiangong Kaizhen (stesso nome su Douyin/Bilibili/YouTube)
L'hub per la ricerca sull'IA audio: articoli, modelli aperti, benchmark e dataset su LLM audio, riconoscimento vocale, TTS, generazione musicale e audio.
๐ฅ๐ฅ๐ฅCassetta degli attrezzi di algoritmi IA gratuiti offline per Java, che supporta il riconoscimento facciale, il rilevamento di vitalitร , il riconoscimento delle espressioni, il rilevamento di oggetti, la segmentazione di istanze, il rilevamento di pedoni, il riconoscimento di testo OCR, il riconoscimento targhe, il riconoscimento di tabelle, ASR+TTS, la traduzione automatica e altre funzioni. Utilizzabile tramite riferimento Maven. Supporta PyTorch, Tensorflow e ha integrato modelli mainstream come Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, ecc.
Un framework di serving per modelli ML ad alte prestazioni, offre batching dinamico e pipeline CPU/GPU per sfruttare appieno la tua macchina di calcolo
Un motore TTS (Text-to-Speech) leggero e offline per Android, che consente il clonaggio vocale seamless a livello di sistema e la lettura del testo ad alta fedeltร . / Un motore TTS (Text-to-Speech) leggero che gira localmente su Android, supporta estrazione parlante offline, clonazione timbrica a zero soglia e ascolto globale a livello di sistema con doppio motore.
NISQA - Valutazione Non Intrusiva della Qualitร del Discorso e Naturalitร TTS
Trasforma PDF in podcast AI per coinvolgere contenuti audio in movimento.
DiffWave รจ un vocoder neurale e sintetizzatore di forme d'onda veloce e di alta qualitร .