#tts Repositórios
222 repositórios no total
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)
A versão Docker do OpenClaw com integração das plataformas IM chinesas vem pré‑instalada e configurada com plug‑ins para os principais softwares IM chineses, como Feishu, DingTalk, chatbot QQ e WeChat Empresarial, permitindo que você implante rapidamente um gateway de robôs AI que suporte várias plataformas IM chinesas.
Streamer-Sales Campeão de Vendas — O grande modelo LLM para streamers vendedores 🛒🎁, um modelo LLM capaz de descrever produtos com base nas suas características dadas, visando estimular a intenção de compra dos utilizadores. 🚀⭐Inclui um processo detalhado de geração de dados❗ 📦Além disso, integra: inferência acelerada LMDeploy 🚀, Geração Aumentada por Recuperação (RAG) 📚, Texto para Fala (TTS) 🔊, geração de humanos digitais 🦸, Agente para consulta de informações em tempo real na web 🌐, Reconhecimento Automático de Fala (ASR) para conversão de áudio em texto 🎙️, construção de frontend com ecossistema Vue 🍍, construção de backend com FastAPI 🗝️, e implantação empacotada com Docker-compose 🐋.
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
Insira um tema e obtenha um vídeo explicativo narrado. Uma skill do Claude Code / Codex que transforma qualquer tema em um vídeo explicativo de motion graphics sobre um canvas preto, com narração por TTS, legendas e uma barra de progresso por capítulos. Em chinês ou inglês; cada quadro é desenhado por código com o Remotion.
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!
[AutoArk] O GPA (General Purpose Audio) pode realizar ASR, TTS e conversão de voz com um único modelo minúsculo!
Transforme um tópico em um vídeo explicativo/publicitário finalizado no estilo Vox de colagem de papel — automatizado de ponta a ponta no Atlas Cloud + ffmpeg. Uma habilidade de agente.
Leitor de e-books multiplataforma com inteligência artificial, incluindo pesquisa semântica, chat RAG, armazenamento vetorial local, notas, TTS e sincronização WebDAV.
openctp fornece interfaces compatíveis com CTPAPI para vários canais, como CTP para opções de ações, XTP da Zhongtai Securities, TORA da Huaxin Securities, OST da Orient Securities, EMT da East Money Securities, TWS da Interactive Brokers, TAP da Yisheng e QDP da Liangtou. Programas CTP podem ser integrados perfeitamente aos balcões de ações. O openctp também oferece um conjunto de ambiente de simulação baseado no sistema de negociação TTS, que também fornece uma interface compatível com CTPAPI, suportando não apenas todas as variedades de futuros e opções domésticas, mas também ações A, fundos, títulos e negociação simulada de opções de ações, podendo substituir o Simnow, fornecendo um ambiente de simulação disponível 7x24 para desenvolvedores de negociação quantitativa CTP.
aeneas é uma biblioteca Python/C e um conjunto de ferramentas para sincronizar automaticamente áudio e texto (também conhecido como alinhamento forçado)
FLUX, Stable Diffusion, SDXL, SD3, LoRA, Fine Tuning, DreamBooth, Treinamento, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Animação, Texto para Vídeo, Tutoriais, Guias, Palestras, Cursos, ComfyUI, Google Colab, RunPod, Kaggle, NoteBooks, ControlNet, TTS, Clonagem de Voz, IA, Notícias de IA, ML, Notícias de ML, Notícias, Tecnologia, Notícias de Tecnologia, Kohya, Midjourney, RunPod
Biblioteca Python e ferramenta CLI para interagir com a API de conversão de texto em fala do Google Tradutor
MARY TTS -- um sistema de síntese de fala multilíngue e de código aberto, escrito puramente em Java
Ferramenta de código aberto de texto para voz, com suporte para textos muito longos e múltiplas vozes.
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 de voz em tempo real com mais de 100 modelos no Arduino ESP32, com WebSockets seguros e funções de borda para brinquedos com IA, companheiros de mesa e dispositivos
Conversor de EPUB para audiolivro, otimizado para Audiobookshelf, WebUI incluída
Uma ferramenta de texto para fala (text-to-speech) de linha de comando (CLI) que utiliza o modelo Kokoro, suportando múltiplos idiomas, vozes (com mesclagem) e vários formatos de entrada, incluindo livros EPUB e documentos PDF.
Controle da Yandex.Station e de outros dispositivos de casa inteligente com Alice no Home Assistant
Endpoint de API de conversão de texto em fala gratuito e de alta qualidade para substituir OpenAI, Azure ou ElevenLabs
🚀 Funcionário de Geração de Vídeo Totalmente Automatizado por IA | Seu Primeiro Colega de Trabalho AIGC. Converse uma Ideia. Obtenha um Filme. 🦞
Ambiente de execução de alto desempenho para servir sistemas de superinteligência interativos
Workflow-para-APP, ScreenShare e Vídeo Flutuante, GPT e 3D, Reconhecimento de Fala e TTS
Bailing é um robô de conversa por voz semelhante ao GPT-4o, implementado via ASR+LLM+TTS, integrado com excelentes modelos grandes como DeepSeek R1, conectado ao openClaw, um verdadeiro assistente de voz pessoal com latência tão baixa quanto 800ms, executável em dispositivos de baixa configuração como Mac, suporta interrupção
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.
Aplicativo Speech Note para Linux. Anotações, leitura e tradução com Speech to Text, Text to Speech e Tradução Automática offline.
NobodyWho é um motor de inferência que permite executar LLMs localmente e de forma eficiente em qualquer dispositivo.
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
Amica é uma interface de código aberto para comunicação interativa com personagens 3D com síntese de voz e reconhecimento de fala.
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.
Tradução de voz bidirecional em tempo real para reuniões bilíngues — detecta automaticamente o idioma falado e traduz em ambas as direções, via nuvem ou totalmente offline no dispositivo. Desktop (Windows · macOS · Linux) + extensão de navegador (Chrome · Edge) para Zoom, Meet, Teams e qualquer aplicativo.