#tts Repositórios
Descubra 219 repositórios ativos de código aberto no GitHub marcados com #tts, acumulando um total de 1,286,218 estrelas (uma média de 5,873 por projeto). O líder deste tópico é debpalash/VoiceStudio, com 115,753 estrelas.
222 repositórios no total
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.
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)
Clone uma voz em 5 segundos para gerar fala arbitrária em tempo real
LocalAI é o motor de IA de código aberto. Execute qualquer modelo - LLMs, visão, voz, imagem, vídeo - em qualquer hardware. Nenhuma GPU necessária.
🐸💬 - 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
Mastra é o framework moderno de TypeScript para aplicações e agentes com inteligência artificial.
Readest é um leitor de ebooks moderno e rico em funcionalidades, concebido para leitores ávidos, oferecendo acesso multiplataforma contínuo, ferramentas poderosas e uma interface intuitiva para elevar a sua experiência de leitura.
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.
Gere audiolivros a partir de e-books com mais de 50 mecanismos de TTS, clonagem de voz e suporte para 1.696 idiomas!
Traduza o vídeo de um idioma para outro e incorpore dublagem e legendas.
🌈Um software multiplataforma para tradução por seleção de texto e OCR | A cross-platform software for text translation and recognition.
Uma estrutura de IA generativa escalável construída para pesquisadores e desenvolvedores que trabalham com Modelos de Linguagem Grandes (Large Language Models), IA Multimodal e de Fala (Reconhecimento Automático de Fala e Síntese de Fala)
Anteriormente KrillinAI, uma ferramenta de tradução e dobragem de vídeo em mais de 120 idiomas. Um espaço de trabalho de IA de código aberto para criadores, desenvolvido com Codex. Descarregue e traduza vídeos, e crie vídeos, imagens, áudios e edições com agentes, tudo num só lugar. Para as suas redes sociais, como YouTube, TikTok, Instagram e outras.
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.
Kit de Fala Fácil de Usar, incluindo modelo de Aprendizagem Auto-Supervisionada, ASR SOTA/Streaming com pontuação, TTS de Streaming com frontend de texto, Sistema de Verificação de Locutor, Tradução de Fala End-to-End e Keyword Spotting. Ganhou o Prêmio Melhor Demo da NAACL2022.
Use o serviço online de conversão de texto em fala do Microsoft Edge no Python SEM precisar do Microsoft Edge
Conversão de fala para texto com latência muito baixa, reconhecimento de intenção e texto para fala, para construir agentes e interfaces de voz
Plataforma de Engenharia de Agentes de IA construída em um Framework de Agentes de IA TypeScript de Código Aberto
Fontes de Leitura - Xiangse Guige + Yongxin Dushu + Yuan Yue + Fontes de Livros Leitura 3.0 + Yuan Yuedu + Aiyue Shuxiang + Qian Yue + Huahuo Yuedu + Dibusheshou + Fanqie + Himalaya + Quadrinhos + Audiolivros + Fontes de Livros + Fontes IPTV + Aplicativos IPA Troll = Atualização Automática
Crie rapidamente agentes de texto, voz e vídeo. Um backend de agentes rápido, baseado em Go, com SDKs para todas as linguagens. Configurações padrão sensatas para pesquisa, conhecimento, competências, telefonia, ambientes isolados, memória e persistência. IA soberana. Assuma o controle da sua IA.
Uma interface web local simples que usa ChatTTS para sintetizar texto em fala, com suporte para fornecer interfaces de API externas.
Um motor de vídeo AIGC de uso geral: do roteiro ao filme finalizado em um único pipeline — dramas, anúncios, vídeos de produtos, jogos otome e muito mais.
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.
🤖 wukong-robot é um projeto de robô de conversação de voz chinês (smart speaker) simples, flexível e elegante, que suporta capacidade de conversação multi-turn do ChatGPT, e pode ser também o primeiro projeto de smart speaker de código aberto a suportar interação cérebro-computador (BCI).
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
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
🎤 Ferramenta de síntese de voz da Microsoft, construída com Electron + Vue + ElementPlus + Vite.
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
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 sistema de conversão de texto em fala de código aberto construído invertendo o Whisper.
Este é um aplicativo TTS para sistema Android, com uma interface de demonstração da Microsoft integrada, que permite personalizar requisições HTTP, importar outros motores TTS locais, e fazer a leitura por reconhecimento simples de narração/diálogo (baseado em aspas duplas chinesas), além de funcionalidades adicionais como nova tentativa automática, configurações de backup e substituição de texto.
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
Perguntas Frequentes
Qual é o repositório de #tts mais popular no GitHub?
O projeto de código aberto de #tts mais bem classificado no GitHub é debpalash/VoiceStudio, com 115,753 estrelas. 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.
Quais linguagens de programação são mais usadas nos repositórios de #tts?
Entre os projetos de #tts mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, C++, Go.
Como é calculada a classificação dos repositórios de #tts?
Acompanhamos 219 repositórios ativos de código aberto marcados com #tts (com mais de 500 estrelas), totalizando 1,286,218 estrelas e uma média de 5,873 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.