#speech-synthesis Repositórios
Descubra 100 repositórios ativos de código aberto no GitHub marcados com #speech-synthesis, acumulando um total de 559,718 estrelas (uma média de 5,597 por projeto). O líder deste tópico é microsoft/VibeVoice, com 57,449 estrelas.
101 repositórios no total
🐸💬 - um kit de ferramentas de aprendizagem profunda para Text-to-Speech, testado em pesquisa e produção
VoxCPM2: TTS sem Tokenizador para Geração de Fala Multilíngue, Design de Voz Criativo e Clonagem Fiel à Vida Real
Uma estrutura de IA generativa escalável construída para pesquisadores e desenvolvedores que trabalham com Modelos de Linguagem Grandes (Large Language Models), IA Multimodal e de Fala (Reconhecimento Automático de Fala e Síntese de Fala)
Scripts de Deep Learning de última geração organizados por modelos - fáceis de treinar e implantar com precisão e desempenho reprodutíveis em infraestrutura de nível empresarial.
TTS multilíngue ultrarrápido no dispositivo — rodando nativamente via ONNX.
Gradio WebUI para criadores e desenvolvedores, apresentando recursos-chave de TTS (Edge-TTS, kokoro) e clonagem de voz zero-shot (E2 & F5-TTS, CosyVoice), com processamento de áudio Whisper, download do YouTube, isolamento vocal Demucs e tradução multilíngue.
Kit de Fala Fácil de Usar, incluindo modelo de Aprendizagem Auto-Supervisionada, ASR SOTA/Streaming com pontuação, TTS de Streaming com frontend de texto, Sistema de Verificação de Locutor, Tradução de Fala End-to-End e Keyword Spotting. Ganhou o Prêmio Melhor Demo da NAACL2022.
Use o serviço online de conversão de texto em fala do Microsoft Edge no Python SEM precisar do Microsoft Edge
Amphion (/æmˈfaɪən/) é um kit de ferramentas para Geração de Áudio, Música e Fala. Seu objetivo é apoiar a pesquisa reproduzível e auxiliar pesquisadores e engenheiros iniciantes a se desenvolverem no campo da pesquisa e desenvolvimento em geração de áudio, música e fala.
Fork do so-vits-svc com suporte em tempo real, interface aprimorada e mais recursos.
Uma biblioteca de texto para fala (TTS), fala para texto (STT) e fala para fala (STS) construída sobre o framework MLX da Apple, fornecendo análise de fala eficiente no Apple Silicon.
Zonos-v0.1 é um modelo líder de conversão de texto em fala com peso aberto, treinado em mais de 200 mil horas de fala multilíngue variada, proporcionando expressividade e qualidade comparáveis — ou até superiores — aos principais provedores de TTS.
eSpeak NG é um sintetizador de fala de código aberto que suporta mais de cem idiomas e sotaques.
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
StyleTTS 2: Rumo à Síntese de Fala de Nível Humano através da Difusão de Estilo e Treinamento Adversarial com Grandes Modelos de Linguagem de Fala
DiffSinger: Síntese de Voz Cantada via Mecanismo de Difusão Rasa (SVS e TTS); AAAI 2022; Código oficial
Um modelo TTS multilíngue com 100 milhões de parâmetros para inferência em tempo real na CPU, clonagem de voz e geração estéreo a 48 kHz
Um sistema de conversão de texto em fala de código aberto construído invertendo o Whisper.
Uma família de modelos de código aberto para síntese de fala de longa duração, síntese de diálogos, design de voz, efeitos sonoros e TTS em streaming em tempo real
:stuck_out_tongue_closed_eyes: TensorFlowTTS: Síntese de Fala de Ponta em Tempo Real para Tensorflow 2 (suportando Inglês, Francês, Coreano, Chinês, Alemão e Fácil de adaptar para outros idiomas)
TTS em vietnamita com clonagem instantânea de voz • No dispositivo • Inferência em tempo real na CPU • Qualidade de áudio de 48 kHz • Conversão de texto em fala em vietnamita • Texto para fala em vietnamita • TTS em vietnamita
Ferramenta de IA de Tradução/Dublagem Multilíngue de Vídeo Inteligente - Linly-Dubbing — “Capacitando com IA, sem fronteiras linguísticas”
Assistente AI em tempo real para os óculos inteligentes Meta Ray‑Ban — voz + visão + ações agentivas via Gemini Live e OpenClaw
MARY TTS -- um sistema de síntese de fala multilíngue e de código aberto, escrito puramente em Java
HiFi-GAN: Redes Adversariais Generativas para Síntese de Fala Eficiente e de Alta Fidelidade
Aplicativo Speech Note para Linux. Anotações, leitura e tradução com Speech to Text, Text to Speech e Tradução Automática offline.
Modelo de Texto para Fala baseado em Flow Matching com Controle de Estilo Impulsionado por Emojis
Unofficial Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) com Pytorch
Perguntas Frequentes
Qual é o repositório de #speech-synthesis mais popular no GitHub?
O projeto de código aberto de #speech-synthesis mais bem classificado no GitHub é microsoft/VibeVoice, com 57,449 estrelas. IA de Voz de Fronteira de Código Aberto
Quais linguagens de programação são mais usadas nos repositórios de #speech-synthesis?
Entre os projetos de #speech-synthesis mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, C#.
Como é calculada a classificação dos repositórios de #speech-synthesis?
Acompanhamos 100 repositórios ativos de código aberto marcados com #speech-synthesis (com mais de 500 estrelas), totalizando 559,718 estrelas e uma média de 5,597 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.