#text-to-speech Repositórios
261 repositórios no total
Este é o Núcleo de Personalidade para GLaDOS, os primeiros passos em direção a uma implementação real da IA da série Portal da Valve.
Wrapper em Docker compatível com OpenAI para conversão de texto em fala com Kokoro-82M, com suporte multiplataforma do PyTorch para CPU e GPUs AMD e NVIDIA; múltiplas vozes, clonagem e ajuste de voz, marcações de tempo para legendas, SSML, WebSockets e interface web opcional para acompanhar a leitura
Um modelo de clonagem de voz TTS rápido e de alta qualidade que alcança velocidades de 150× em tempo real。
Biblioteca de inferência e treinamento para modelos TTS de alta qualidade.
Um companheiro de desktop com IA, autônomo e ciente do contexto. Desenvolvido em Python, oferece visão de tela em tempo real, síntese de voz ONNX personalizada, rastreamento da janela ativa e uma interface flutuante dinâmica com expressões faciais reativas.
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 mecanismo de inferência tudo-em-um, puro em C++, para modelos de áudio, alimentado por ggml. Suporta TTS, STT, VAD, conversão de voz, geração de música e muito mais, com desempenho altamente otimizado. Sem dependência de Python.
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
Uma ferramenta simples e de alta qualidade para conversão de voz, focada na facilidade de uso e no desempenho.
: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)
SoulX-Podcast é uma base de código de inferência da equipe Soul AI para gerar podcasts de alta fidelidade a partir de texto.
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
Sistema Conversacional de Avatar Digital - Linly-Talker. 😄✨ O Linly-Talker é um sistema de IA inteligente que combina grandes modelos de linguagem (LLMs) com modelos visuais para criar um novo método de interação humano-IA. 🤝🤖 Ele integra várias tecnologias, como Whisper, Linly, Microsoft Speech Services e o sistema de geração de cabeça falante SadTalker. 🌟🔬
Exemplo de código para o Microsoft Cognitive Services Speech SDK
Uma única interface web Gradio + React com extensões para 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 e Bark!
Editor do VOICEVOX, um software de leitura de texto de qualidade média que pode ser usado gratuitamente
Um runtime de voz em tempo real que mantém os agentes falando, trabalhando e presentes. Runtime de voz em tempo real para agentes de IA
Modelos de Fala-para-Texto e Texto-para-Fala da Kyutai baseados na estrutura Delayed Streams Modeling.
[AutoArk] O GPA (General Purpose Audio) pode realizar ASR, TTS e conversão de voz com um único modelo minúsculo!
Agrega conteúdo RSS e da web (receita Calibre), envia para o Kindle e inclui um leitor online otimizado para e-ink.
aeneas é uma biblioteca Python/C e um conjunto de ferramentas para sincronizar automaticamente áudio e texto (também conhecido como alinhamento forçado)
Crie vídeos com o Claude Code: roteiro, narração com IA, música, clipes de vídeo e renderização usando modelos de código aberto por poucos centavos
Biblioteca Python e ferramenta CLI para interagir com a API de conversão de texto em fala do Google Tradutor
🚀 Implantação com um clique (inclui pacote de integração offline)! Baseado no ChatTTS, suporta saída de streaming, sorteio de timbres de voz, geração de áudio longo e leitura com personagens. Fácil de usar, sem necessidade de instalação complexa.
MARY TTS -- um sistema de síntese de fala multilíngue e de código aberto, escrito puramente em Java
AllTalk é baseado no motor Coqui TTS, semelhante à extensão Coqui_tts para Text generation webUI, no entanto, suporta uma variedade de recursos avançados, como uma página de configurações, suporte a VRAM baixa, DeepSpeed, narrador, ajuste fino de modelos, modelos personalizados, manutenção de arquivos wav. Ele também pode ser usado com software de terceiros via chamadas JSON.
HiFi-GAN: Redes Adversariais Generativas para Síntese de Fala Eficiente e de Alta Fidelidade
Estúdio local de áudio e música com IA de código aberto para macOS e Windows. TTS, clonagem de voz, músicas com letras e partituras multipista — 100% offline, sem taxas de API.
Implementação em PyTorch do VALL-E (Text-To-Speech Zero-Shot), Demonstração Reproduzida https://lifeiteng.github.io/valle/index.html
IA multimodal em tempo real no dispositivo com recursos semelhantes ao GPT-Live
Estúdio de IA local e portátil para Windows, Linux e macOS. Interface gráfica sem configuração para geração de imagens, LLMs GGUF, conversão de texto em fala e de fala em texto
Endpoint de API de conversão de texto em fala gratuito e de alta qualidade para substituir OpenAI, Azure ou ElevenLabs