#text-to-speech Repositórios
261 repositórios no total
Ambiente de execução de alto desempenho para servir sistemas de superinteligência interativos
O Sistema de Autocodificação para Seu Aplicativo — Alan AI SDK para Android
Uma extensão de navegador incrível que lê em voz alta o conteúdo da página da web com um clique
Biblioteca de inferência de IA on-device para React Native, de alto desempenho e com foco na privacidade, alimentada pelo runtime ExecuTorch do PyTorch
Motor de síntese de voz VOICEVOX, um software de leitura de texto de qualidade média que pode ser usado gratuitamente
O Sistema de Auto-Codificação para o Seu Aplicativo — Alan AI SDK para Flutter
Traduz automaticamente o texto de um vídeo com base num ficheiro de legendas e, em seguida, utiliza serviços de voz com IA para criar uma nova faixa de áudio dobrada e traduzida, onde a fala é sincronizada utilizando os tempos das legendas.
Tópico → Vídeo narrado em 4K para agentes de programação. v5.3.0: TTS local (Edge gratuito + Azure, sem mecanismo externo), mecanismo de recursos baseado em manifesto, composição com Remotion, geração por IA condicionada aos custos, Bilibili/YouTube/Xiaohongshu/Douyin/Canais do WeChat
Aplicativo Speech Note para Linux. Anotações, leitura e tradução com Speech to Text, Text to Speech e Tradução Automática offline.
Talking Head (3D): Uma classe JavaScript para sincronização labial em tempo real usando avatares 3D de corpo inteiro.
VibeVoice: Síntese de fala conversacional expressiva e de formato longo. (Versão da Comunidade)
O Sistema de Autocodificação para Seu Aplicativo — Alan AI SDK para Ionic
Servidor de inferência de LLM de alto desempenho compatível com OpenAI e Anthropic para Apple Silicon. MLX nativo, processamento em lote contínuo, modelos multimodais, chamadas de ferramentas MCP e suporte a Claude Code.
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
Uma estação de trabalho de geração (de vídeos curtos) que integra planejamento de conteúdo, geração automática de copy por IA, dublagem automática em massa por TTS, síntese de material de imagem (IA), extração automática de scripts de legendas por ASR e criação livre por IA. Facilita o gerenciamento dos projetos de vídeo de cada edição.
Servidor oficial do protocolo de contexto do modelo MiniMax (MCP) que permite a interação com poderosas APIs de conversão de texto em fala, geração de imagens e geração de vídeo.
Uma integração abrangente do ComfyUI para o modelo de conversão de texto em fala VibeVoice da Microsoft, permitindo a síntese de voz de alta qualidade (com locutor único ou múltiplos locutores) diretamente nos seus fluxos de trabalho do ComfyUI.
Hospede você mesmo o poderoso modelo Chatterbox TTS. Este servidor oferece uma interface web amigável, endpoints de API flexíveis (incluindo compatibilidade com OpenAI), vozes predefinidas, clonagem de voz e processamento de texto em grande escala para audiolivros. É executado acelerado em NVIDIA (CUDA), AMD (ROCm) e CPU.
Faça fine-tuning de LLMs no seu Mac com Apple Silicon. SFT, DPO, GRPO, Visão, TTS, STT, Embedding e fine-tuning de OCR — nativamente no MLX. API compatível com Unsloth.
Um aplicativo Python/Pytorch para sintetizar facilmente vozes humanas
Um modelo multilíngue para a síntese de diálogos longos com múltiplos falantes, com controle flexível dos falantes e clonagem de voz zero-shot
🍦 Speech-AI-Forge é um projeto desenvolvido em torno do modelo de geração TTS, implementando um Servidor API e uma WebUI baseada em Gradio.
Vídeos explicativos e demonstrações de produtos criados pelo seu agente de IA. Gratuito e de código aberto: uma voz local (Kokoro), a sincronização das palavras (Whisper) e um renderizador de canvas transformam um roteiro em um MP4 narrado.
💎 Uma lista de corpora de fala acessíveis para ASR, TTS e outras Tecnologias de Fala
[ICASSP 2024] 🍵 Matcha-TTS: Uma arquitetura TTS rápida com correspondência de fluxo condicional
Tradutor de tela em tempo real para Android, de código aberto e sem root, adequado para jogos, visual novels e mangás. Suporta OCR no dispositivo e na nuvem, LLMs offline, vários serviços de tradução, traduções na tela e texto para fala (TTS).
Motor de inferência offline para arte, conversas de voz em tempo real, chatbots com tecnologia LLM e fluxos de trabalho automatizados
[ICLR 2025] Modelos de codec acústico discreto SOTA com 40/75 tokens por segundo para modelagem de linguagem de áudio
Kit de ferramentas de fala por IA para Apple Silicon — ASR, TTS, fala-para-fala, VAD e diarização alimentados por MLX e CoreML
StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.
Uma integração de nós personalizados do ComfyUI para conversão local de texto em fala e voz, multi-motor e multilíngue. Suporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clássico e multilíngue), F5-TTS, Higgs Audio 2, 3 e VibeVoice com comprimento de texto ilimitado, sincronização SRT, suporte a personagens e muitas ferramentas de áudio.
Recursos Completos do ChatTTS: Link de Experiência Gratuita, Biblioteca de Timbres e Mais