#text-to-speech Repositórios
Descubra 260 repositórios ativos de código aberto no GitHub marcados com #text-to-speech, acumulando um total de 1,515,362 estrelas (uma média de 5,828 por projeto). O líder deste tópico é harry0703/MoneyPrinterTurbo, com 144,921 estrelas.
261 repositórios no total
Gere vídeos curtos em HD a partir de um tópico ou palavra-chave com um fluxo de trabalho automatizado de IA.
O VoiceStudio é a alternativa de código aberto e totalmente local ao ElevenLabs — clonagem de voz, design de voz, dobragem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.
O primeiro sistema de produção de vídeo de código aberto e baseado em agentes do mundo. 12 pipelines de produção, mais de 100 ferramentas, mais de 700 arquivos de habilidades de agente e conhecimento de produção. Transforme seu assistente de codificação de IA em um estúdio completo de produção de vídeo.
Interface local para executar e treinar LLMs e modelos de difusão. Compatível com GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX e muito mais.
Dados de voz de 1 minuto também podem ser usados para treinar um bom modelo TTS! (clonagem de voz few shot)
🐸💬 - 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
Um Sistema de Texto-para-Fala de Zero-Shot Eficiente e Controlável em Nível Industrial
Modelo de geração de voz multilíngue de grande escala, que oferece capacidade de pilha completa para inferência, treinamento e implantação.
Traduza o vídeo de um idioma para outro e incorpore dublagem e legendas.
Uma caixa de ferramentas de estilos cinematográficos criados com código para o Claude Code: 99 estilos prontos para usar e a possibilidade de criar os seus próprios. Cada estilo inclui um prompt e um filme de demonstração feito inteiramente com código pelo Claude Opus 5.5, sem nenhum modelo de vídeo. Por Lemomo.
Reconhecimento de fala para texto, texto para fala, diarização de falantes, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte para sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, suporte para 12 linguagens de programação
Código oficial para "F5-TTS: Um contador de histórias que simula fala fluente e fiel com Flow Matching"
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.
Use o serviço online de conversão de texto em fala do Microsoft Edge no Python SEM precisar do Microsoft Edge
🏠 Integre o XiaoAi Speaker com ChatGPT e Doubao para transformá-lo em seu assistente de voz exclusivo.
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.
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.
Pré-lançamento do ODS V3: testes públicos e aperfeiçoamentos antes do lançamento oficial da V3. Transforme seu PC, Mac ou computador Linux em um servidor de IA privado.
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.
Biblioteca de conversão de texto em fala (text-to-speech) multilíngue e de alta qualidade da MyShell.ai. Suporte para Inglês, Espanhol, Francês, Chinês, Japonês e Coreano.
eSpeak NG é um sintetizador de fala de código aberto que suporta mais de cem idiomas e sotaques.
Este repositório contém recursos selecionados manualmente para Engenharia de Prompts com foco em Generative Pre-trained Transformer (GPT), ChatGPT, PaLM etc
Gere vídeos curtos de vários tipos em lote com um clique usando IA, edite automaticamente vídeos curtos em lote e publique vídeos automaticamente no Douyin, Kuaishou, Xiaohongshu e Canais de Vídeo (WeChat Video Account) – ganhar dinheiro nunca foi tão fácil! Suporta modelos de voz locais: chatTTS, fasterwhisper, GPTSoVITS; Suporta voz na nuvem: Azure, Alibaba Cloud, Tencent Cloud. Suporta Stable diffusion e comfyUI para geração direta de imagens por IA. Gere vídeos curtos com um clique usando IA LLM, vamos imprimir dinheiro juntos! Suporte: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Plataforma de IA de voz de código aberto. Alternativa auto-hospedada ao Vapi e Retell. On-premise, BYOK em Speech-to-Speech ou LLM/STT/TTS, com um construtor de fluxo de trabalho visual, nativo em MCP e suporte a telefonia.
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
🎙️🤖Crie, personalize e converse com seu personagem/companheiro de IA em tempo real (tudo em um único codebase!). Tenha uma conversa natural e fluida com IA em qualquer lugar (celular, web e terminal) usando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
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
Localização e dublagem de vídeo com IA de código aberto para YouTube/Bilibili: reconhecimento de voz, tradução de legendas, clonagem de voz, mixagem de áudio e renderização. Ferramenta de código aberto para tradução e dublagem de vídeos com IA.
Perguntas Frequentes
Qual é o repositório de #text-to-speech mais popular no GitHub?
O projeto de código aberto de #text-to-speech mais bem classificado no GitHub é harry0703/MoneyPrinterTurbo, com 144,921 estrelas. Gere vídeos curtos em HD a partir de um tópico ou palavra-chave com um fluxo de trabalho automatizado de IA.
Quais linguagens de programação são mais usadas nos repositórios de #text-to-speech?
Entre os projetos de #text-to-speech mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, JavaScript, C++.
Como é calculada a classificação dos repositórios de #text-to-speech?
Acompanhamos 260 repositórios ativos de código aberto marcados com #text-to-speech (com mais de 500 estrelas), totalizando 1,515,362 estrelas e uma média de 5,828 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.