#text-to-speech リポジトリ
リポジトリ合計261件
PyTorch の ExecuTorch ランタイムを基盤とする、React Native 向けの高性能かつプライバシー重視のオンデバイス AI 推論ライブラリ
字幕ファイルに基づいてビデオのテキストを自動的に翻訳し、AI音声サービスを使用して、字幕のタイミングで同期された新しい吹き替えおよび翻訳音声トラックを作成します。
トピック → コーディングエージェント向け4Kナレーション動画。v5.3.0:ローカルTTS(無料のEdge + Azure、外部エンジン不要)、マニフェストベースのアセットエンジン、Remotionによるコンポジション、コスト制御付きAI生成、Bilibili/YouTube/Xiaohongshu/Douyin/WeChat Channels
Apple Silicon 向けの高性能な OpenAI および Anthropic 互換 LLM 推論サーバー。ネイティブ MLX、継続的バッチ処理、マルチモーダルモデル、MCP ツール呼び出し、Claude Code サポート。
非公式 Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) PyTorch版
コンテンツ企画、AIコピー自動生成、TTS一括自動ナレーション、(AI)画像素材合成、ASR自動言語字幕スクリプト抽出、AI自由創作を一体化した(ショート動画)生成ワークステーションです。各回の動画プロジェクトの管理に便利です。
MicrosoftのVibeVoiceテキスト読み上げモデル向けの包括的なComfyUI統合。ComfyUIワークフロー内で直接、高品質な単一および複数話者音声合成を可能にします。
強力なChatterbox TTSモデルをセルフホストします。このサーバーは、ユーザーフレンドリーなWeb UI、柔軟なAPIエンドポイント(OpenAI互換を含む)、事前定義された音声、音声クローニング、および大規模なオーディオブック規模のテキスト処理を提供します。NVIDIA(CUDA)、AMD(ROCm)、およびCPUで高速実行されます。
Apple Silicon搭載のMacでLLMをファインチューニング。SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCRのファインチューニング — MLX上でネイティブ対応。Unsloth互換API。
AIエージェントが解説動画や製品デモを作成します。無料のオープンソースです。ローカル音声(Kokoro)、単語ごとのタイミング(Whisper)、キャンバスレンダラーを使って、スクリプトをナレーション付きのMP4に変換します。
ルート不要のオープンソースAndroid向けリアルタイム画面翻訳ツール。ゲーム、ビジュアルノベル、漫画に最適。端末内およびクラウドOCR、オフラインLLM、複数の翻訳サービス、画面上の翻訳表示、テキスト読み上げ(TTS)に対応。
ローカルでのマルチエンジン・多言語対応テキスト読み上げ(TTS)およびボイスチェンジのためのComfyUIカスタムノード統合。対応エンジン:RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox(クラシックおよび多言語版)、F5-TTS、Higgs Audio 2, 3、VibeVoice。無制限のテキスト長、SRTタイミング、キャラクターサポート、および多数のオーディオツールに対応。