#text-to-speech Repositórios
261 repositórios no total
Um laboratório prático para criar, testar e avaliar aplicativos com a estrutura de modelos fundamentais da Apple.
Núcleo do VOICEVOX, um software de conversão de texto em fala de qualidade média e gratuito.
O Sistema de Auto-Codificação para Sua Aplicação — Alan AI SDK para Cordova
Uma aplicação de assistente de voz modular para experimentar modelos de ponta de transcrição, geração de resposta e texto-para-voz. Suporta as APIs da OpenAI, Groq, Elevanlabs, CartesiaAI e Deepgram, além de modelos locais através do Ollama. Ideal para pesquisa e desenvolvimento em tecnologia de voz.
Gerador de audiolivros multi-voz impulsionado por IA — anotação de scripts LLM, clonagem de voz, design de voz, treinamento LoRA, controle de estilo por linha e exportação para MP3, M4B com capítulos ou trilhas múltiplas do Audacity. Construído sobre Qwen3-TTS.
SDK de voz-IA de código aberto. A alternativa ao Vapi/Retell para desenvolvedores que querem possuir a pilha. Dê ao seu agente de IA um número de telefone em 4 linhas — Python e TypeScript, licenciado sob MIT, Twilio, Telnyx e Plivo.
Editor de vídeo com IA para agentes. Plugin ChatCut e servidor MCP para Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work e Qwen Work: edite seus próprios vídeos por meio de conversas, adicione legendas, remova silêncios e vícios de linguagem, crie gráficos animados e exporte uma linha do tempo editável.
Torne as vozes TTS naturais do Azure acessíveis a qualquer aplicação compatível com SAPI 5.
Um poderoso modelo de edição de áudio baseado em LLM com 3 bilhões de parâmetros e Aprendizagem por Reforço se destaca na edição de emoções, estilo de fala e paralinguística, e apresenta uma robusta funcionalidade de texto para fala (zero-shot text-to-speech).
Este conjunto de ferramentas permite aos usuários interagir com serviços de IA diretamente de seu terminal.
Editor de vídeo de código aberto e local-first, onde criadores e agentes de IA editam a mesma linha do tempo real.
Ferramenta de voz de código aberto (Apache 2.0) para Claude Code e Codex no macOS que lê em voz alta o progresso do seu agente de programação. A voz é gerada localmente com o Kokoro, sem necessidade de conta, ou você pode usar sua própria chave do ElevenLabs ou Speechify. Ouça um breve resumo falado quando o agente terminar, falhar ou precisar de aprovação.
Um leitor de romances gratuito, de código aberto, simples, puro e sem anúncios
Um livro criado por xiaolai com a ajuda do ChatGPT e seu TTS
Cliente Vonage REST API para PHP. Suporte de API para SMS, Voz, Texto-para-Voz, Números, Verify (2FA) e mais.
Um motor TTS (Texto para Fala) leve e offline para Android, permitindo clonagem de voz perfeita em todo o sistema e leitura de texto de alta fidelidade. / Um motor TTS (Texto para Fala) leve que roda localmente no Android, suportando extração de locutor offline, clonagem de timbre sem barreiras e leitura global em nível de sistema com dupla engine.
Gerador automático de vídeo, que gera vídeos de narração a partir de um tema. O usuário insere o texto do tema, o sistema chama um modelo de linguagem grande para gerar a história ou o texto da narração, depois chama uma interface de síntese de voz para gerar a voz da narração, chama uma interface de texto para imagem para gerar imagens que se ajustam ao conteúdo do texto e, finalmente, mescla a voz e as imagens para gerar o vídeo de narração.
DiffWave é um vocoder neural e sintetizador de forma de onda rápido e de alta qualidade.
Confucius4-TTS: um motor de síntese de voz (TTS) multilingue e translingue zero-shot
sanoTTS (सानो significa «pequeno» em nepalês): um sistema neural de conversão de texto em fala com entre 294 mil e 2,27 milhões de parâmetros, que funciona em um chip de US$ 3, no navegador ou em Python, com streaming de baixa latência.
Um servidor de texto para fala compatível com a API da OpenAI, usando xtts_v2 da Coqui AI e/ou piper tts como backend.
Recursos de código do Azure OpenAI para usar as capacidades em tempo real do gpt-4o.
Leitor de eBook Terminal com conversão de texto em fala com qualidade de audiolivro — Suporta EPUB, PDF, DOCX, HTML, RTF, TXT e MD.
Um SDK modular Swift para processamento de áudio com MLX no Apple Silicon
Fala para Texto para Fala. Música a tocar agora. Envia texto como mensagens OSC para o VRChat para exibir no avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)
🎤 Lobe TTS - Uma biblioteca TTS/STT de alta qualidade e confiável para Servidor e Navegador
Um modelo de conversão de texto em fala em inglês com 4,5 milhões de parâmetros e duas vozes, treinado do zero
Dispositivo baseado em esp32, usado principalmente para bate-papo por voz com modelos de linguagem grandes
Chatbot de voz local para conversas envolventes, alimentado por Ollama, Hugging Face Transformers e Coqui TTS Toolkit
Vui Nano — um modelo pequeno de conversão de texto em fala, sensível ao contexto e treinado em conversas reais. 219 milhões de parâmetros ativos (305 milhões no total), Apache 2.0, clonagem de voz e streaming; funciona em CPU (build em C sem dependências). Inclui um assistente de voz completo em tempo real: WebRTC, ASR, LLM local e compatibilidade com a API Realtime da OpenAI.