#text-to-speech Repositórios
261 repositórios no total
Nó personalizado para conversão de texto em fala de alta qualidade no ComfyUI usando o modelo IndexTTS. Suporta texto em chinês e inglês e pode replicar características de voz com base em áudio de referência.
Sistema de Comunicação Aumentativa e Alternativa (CAA) com síntese de voz para o navegador
Implementação de funcionalidades de chat de IA usando Unity. Atualmente, esta biblioteca inclui a implementação de código para chamadas de API de grandes modelos de linguagem (LLMs), como ChatGPT, ChatGLM, e outros, bem como a implementação de funcionalidades de serviços de voz da Microsoft Azure e Baidu AI. Todos os serviços de voz são implementados usando APIs da web, com suporte para plataformas como Windows/WebGL/Android.
O objetivo deste projeto é unificar a forma de utilizar diversos motores de síntese de voz, oferecendo suporte a múltiplos adaptadores de motores de síntese de voz, e permitindo o uso direto como módulo ou o lançamento de um serviço de backend.
AlwaysReddy é um assistente de voz LLM que está sempre a apenas uma tecla de atalho de distância.
Rapida é uma plataforma de orquestração de IA de voz de código aberto e de ponta a ponta para criar agentes de voz conversacionais em tempo real com streaming de áudio, STT, TTS, VAD, integração multi-canal, gerenciamento de estado dos agentes e observabilidade.
Claudemy: uma alternativa de código aberto ao Udemy e ao Coursera. Dê um tema ao Claude, e ele pesquisará na web e criará um curso com aulas de áudio de 2 minutos e fontes citadas. Uma habilidade gratuita para o Claude Code.
📚 Uma extensão de dicionário personalizável que suporta pesquisas com duplo clique em mais de 20 idiomas, mais de 1000 dicionários, conversão de texto em fala, tradução e integração com Anki.
Criador de vídeos totalmente automatizado usando gráficos em movimento e síntese de texto para fala para transformar newsletters em vídeos diários do YouTube.
API local compatível com OpenAI de texto para voz (TTS) usando Chatterbox, permitindo que os usuários gerem fala clonada de voz em qualquer lugar onde a API OpenAI seja usada (por exemplo, Open WebUI, AnythingLLM, etc.).
Reconhecimento de Fala Offline com OpenAI Whisper e TensorFlow Lite para Android
OpenAmika: Amika, a companheira de IA da MekaHime, é de código aberto. Avatar Live2D, voz em tempo real, memória de longo prazo e OpenRouter ou Ollama como cérebro.
✨✨[NeurIPS 2025] VITA-Audio: Geração Rápida de Tokens Intercalados Cross-Modais para um Modelo de Fala-Linguagem Grande e Eficiente
Atualizar Automaticamente Artigos de Texto para Fala (TTS) Diariamente usando Github Actions (Atualização a cada 12 horas)
IA no dispositivo para Flutter — Gemma e outros LLMs, multimodalidade, chamadas de função, embeddings, RAG e voz no Android, iOS, Web, macOS, Windows e Linux.
Implementação do Voicebox, a nova rede Text-to-speech SOTA (State-of-the-Art) da MetaAI, em Pytorch
Conversão de grafemas para fonemas do persa (farsi) para o Alfabeto Fonético Internacional (AFI) usando um modelo ByT5 ajustado.
LLaSA: Dimensionamento da Computação em Tempo de Treino e Tempo de Inferência para Síntese de Fala Baseada em LLaMA
Transforme PDFs e EPUBs em audiolivros; legendas ou vídeos em vídeos dublados (incluindo tradução) e muito mais. De graça. O Pandrator usa modelos locais, incluindo clonagem de voz (instantânea, aprimorada por RVC, ajuste fino de XTTS) e processamento LLM. Aspira a ser um aplicativo fácil de usar com GUI, instalador e pacotes tudo-em-um.
Kokoro Web: Texto para fala com IA gratuito, online ou auto-hospedado, compatível com OpenAI!
Legendas de Fala para Texto e entrada de Teclado para OBS, VRChat, chat do Twitch e Discord
Nó personalizado ComfyUI para o TTS VibeVoice. Áudio conversacional expressivo, de formato longo e com múltiplos falantes
Ditado por voz ultrarrápido, gratuito e com prioridade para o processamento local no macOS, com transcrição no dispositivo
Execute o Qwen3-TTS (texto para fala) localmente no Mac (M1/M2/M3/M4). Clonagem de voz, design de voz, vozes personalizadas. 100% offline usando MLX.
Um servidor de código aberto para leitura acompanhada de documentos, com opções de TTS de alta qualidade, destaque sincronizado e exportação para audiolivros nos formatos EPUB, PDF, DOCX, TXT e MD.
🎭 Plataforma de avatar de IA / humano digital — carregue uma foto, clone uma voz e converse com qualquer rosto em tempo real usando vídeo com sincronização labial. Código aberto e auto-hospedada. Claude · Whisper · Chatterbox · MuseTalk.
⚡ Assistente de voz com IA absurdamente rápido com tempos de resposta <500ms
Versão modificada do Chatterbox que aceita arquivos de texto como entrada e sem restrições de caracteres. Eu a uso para fazer audiolivros, especialmente para meus filhos.
O Sistema de Autocodificação para o Seu App — Alan AI SDK para React Native
Nós TTS OmniVoice para ComfyUI - Conversão de texto em fala multilíngue zero-shot com clonagem de voz, design de voz e diálogo com múltiplos falantes
Plugin de IA em TypeScript para Payload CMS: geração de texto, imagens e voz com provedores extensíveis, prompts em nível de campo, controle de acesso e integração com texto rico.
🔥🔥🔥 Uma lista selecionada de artigos sobre geração multimodal baseada em LLMs (imagem, vídeo, 3D e áudio).