#tts リポジトリ
リポジトリ合計222件
:stuck_out_tongue_closed_eyes: TensorFlowTTS: Tensorflow 2 のリアルタイム最先端音声合成(英語、フランス語、韓国語、中国語、ドイツ語を含む、その他の言語にも容易に適応可能)
OpenClawの中国IMプラットフォーム統合Docker版は、Feishu、DingTalk、QQロボット、企業WeChatなどの主要中国IMソフトウェア用プラグインをプリインストール・設定しているため、複数の中国IMプラットフォームをサポートするAIロボットゲートウェイを迅速にデプロイできます。
Streamer-Sales 販売の王 —— 販売ストリーマーLLM大規模モデル🛒🎁、与えられた商品の特徴に基づいてユーザーの購入意欲を刺激する観点から商品の解説ができる販売ストリーマー大規模モデルです。🚀⭐ 詳細なデータ生成プロセスが含まれています❗ 📦 また、LMDeployによる推論高速化🚀、RAG検索拡張生成📚、TTSテキスト読み上げ🔊、アバター生成🦸、Webでのリアルタイム情報検索のためのAgent利用🌐、ASR音声テキスト変換🎙️、Vueエコシステム構築フロントエンド🍍、FastAPI構築バックエンド🗝️、Docker-composeによるパッケージングとデプロイメント🐋が統合されています。
即時音声クローン対応のベトナム語TTS • デバイス上で実行 • CPUによるリアルタイム推論 • 48kHzの音声品質 • ベトナム語の音声合成 • ベトナム語のテキスト読み上げ • ベトナム語TTS
テーマを入力すると、ナレーション付き解説動画が完成します。Claude Code / Codexのスキルが、あらゆるテーマを、黒いキャンバス上のモーショングラフィックス解説動画に変換します。TTS音声、字幕、チャプター進捗バーを搭載。中国語または英語に対応し、すべてのフレームをRemotionでコード描画します。
ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAGNet、AudioGen、MusicGen、Tortoise、RVC、Vocos、Demucs、SeamlessM4T、Bark用の拡張機能付きの単一Gradio + React WebUI!
[AutoArk] GPA (General Purpose Audio) は、たった一つの小さなモデルで ASR(音声認識)、TTS(音声合成)、音声変換を実現します!
1つのトピックを完成したVoxスタイルのペーパーコラージュ解説/広告動画に変換 — Atlas Cloud + ffmpegでエンドツーエンドに自動化。エージェントスキル。
AIを搭載したクロスプラットフォームの電子書籍リーダー。セマンティック検索、RAGチャット、ローカルベクターストア、メモ、TTS、WebDAV同期機能を備えています。
openctpは、CTP株式オプション、中泰証券XTP、華鑫証券奇点TORA、東方証券OST、東方財富証券EMT、インタラクティブ・ブローカーズTWS、易盛TAP、量投QDPなどの各種チャネルに対応するCTPAPI互換インターフェースを提供し、CTPプログラムは各株式取引端末にシームレスに接続できます。openctpは、TTS取引システムに基づくシミュレーション環境も提供しており、同様にCTPAPI互換インターフェースを提供しています。国内の先物・オプション全品種のシミュレーション取引だけでなく、A株、ファンド、債券、株式オプションのシミュレーション取引もサポートしており、Simnowの代替として、CTPのクオンツ取引開発者に24時間年中無休で利用可能なシミュレーション環境を提供できます。
FLUX, Stable Diffusion, SDXL, SD3, LoRA, ファインチューニング, DreamBooth, トレーニング, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, アニメーション, テキストからビデオへ, チュートリアル, ガイド, 講義, コース, ComfyUI, Google Colab, RunPod, Kaggle, ノートブック, ControlNet, TTS, ボイスクローニング, AI, AIニュース, ML, MLニュース, ニュース, テック, テックニュース, Kohya, Midjourney, RunPod
macOSとWindowsに対応した、オープンソースのローカルAIオーディオ&音楽スタジオ。音声合成、声のクローン、歌詞付きの楽曲、マルチトラック譜面に対応。完全オフラインで、API料金も不要。
VALL-E(ゼロショット テキスト読み上げ)の PyTorch 実装、再現デモ https://lifeiteng.github.io/valle/index.html
Arduino ESP32で100種類以上のモデルに対応するリアルタイム音声AI。AI玩具、デスクトップコンパニオン、各種デバイス向けのセキュアなWebSocketとエッジ関数を搭載
Kokoroモデルを使用したCLIテキスト読み上げツールで、複数の言語、音声(ブレンド機能付き)、EPUB書籍やPDFドキュメントなどのさまざまな入力形式をサポートしています。
Workflow-to-APP、ScreenShare&FloatingVideo、GPT&3D、SpeechRecognition&TTS
百聆はGPT-4oに似た音声対話ロボットで、ASR+LLM+TTSにより実現され、DeepSeek R1などの優れた大規模モデルを統合し、openClawに接続され、本物の個人音声アシスタントで、遅延が800msまで低く、Macなどの低スペックでも動作可能、中断対応
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。
非公式 Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) PyTorch版
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。
バイリンガル会議向けのリアルタイム双方向音声翻訳 — 話された言語を自動検出し、双方向に翻訳します。クラウドまたはデバイス内での完全オフライン動作に対応。デスクトップ(Windows · macOS · Linux)およびブラウザ拡張機能(Chrome · Edge)で、Zoom、Meet、Teams、その他あらゆるアプリで使用可能。