#tts Repositórios
222 repositórios no total
Execute LLMs locais como llama, deepseek-distill, kokoro e outros diretamente no seu navegador
Um aplicativo Python/Pytorch para sintetizar facilmente vozes humanas
Plataforma de gerenciamento corporativo Java para XiaoZhi ESP32, oferecendo uma solução integrada front-end, back-end e servidor para monitoramento de dispositivos, personalização de timbre, troca de funções e gerenciamento de histórico de conversas
🍦 Speech-AI-Forge é um projeto desenvolvido em torno do modelo de geração TTS, implementando um Servidor API e uma WebUI baseada em Gradio.
Traduzir Qualquer Idioma De Uma Vez Por Todas - Extensão do Chrome: Tradutor de PDF, EBOOK, EPUB, OCR, TTS, NETFLIX, LEGENDAS DUPLAS DO YOUTUBE, GOOGLE DOCS, IA, VISUALIZADOR, GMAIL, ESCRITA, IMAGEM, LEGENDAS DUPLAS, MANGA, PLANO, DICIONÁRIO, WEBTOON, EDGE, JAPONÊS, INGLÊS
💎 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).
Uma ferramenta (para plataforma Windows) que pode gravar a voz de Síntese de Texto para Fala (TTS) do Microsoft Edge e exportá-la como áudio .wav.
Humano digital interativo de voz em tempo real, com aparência e voz personalizáveis, que suporta clonagem de voz e apresenta um atraso de diálogo de apenas 3s.
Tradução de fala em tempo real — macOS e Windows, TTS gratuito, sem servidor, apenas suas chaves API
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.
O mecanismo de IA de código aberto para AMD Strix Halo. Modelos de texto, embeddings, fala, imagem e vídeo em um único binário, com APIs compatíveis com OpenAI, cache para agentes de programação e extensões de modelos. Linux e Windows.
TTS de melhores práticas baseado em BERT e VITS com alguns Recursos de Fala Natural da Microsoft; Suporta streaming ONNX!
Irina é um assistente de voz russo para trabalho offline. Suporta habilidades através de plugins.
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.
Namorada com IA por voz (namorada com IA por voz para DeepSeek Harness): entrada de voz com Whisper + clonagem de voz com Qwen3-TTS + reprodução em streaming frase a frase + janela de avatar animado. Dois modos: interrupção ou fila; basta falar para interromper imediatamente.
Transforme o AI Studio Playground e o Build em uma API por meio de proxy reverso | API do AI Studio compatível com OpenAI, Anthropic e Gemini
GLM-TTS: TTS Zero-shot Controlável e Expressivo Emocionalmente com Aprendizagem por Reforço Multi-Recompensa
Com um único comando, crie um audiolivro com som natural a partir de vários formatos de entrada (epub, mobi, txt, PDF, HTML e mais!)
Uma API HTTP VITS simples, desenvolvida estendendo Moegoe com recursos adicionais.
YourTTS: Rumo ao TTS de Múltiplos Falantes Zero-Shot e Conversão de Voz Zero-Shot para todos
Torne as vozes TTS naturais do Azure acessíveis a qualquer aplicação compatível com SAPI 5.
Fork do SumatraPDF: EPUB/MOBI em chinês, modo escuro inteligente para PDF, OCR, TTS, dicionário offline.
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).
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.
Versão ao vivo de Cyber Xiaoya · Humano digital modular (Vidu s2) · Gratuito e de código aberto, AGPL-3.0 · Autor: Tiangong Kaizhen (mesmo nome no Douyin/Bilibili/YouTube)
O centro para pesquisa de IA em áudio: artigos, modelos abertos, benchmarks e conjuntos de dados em LLMs de áudio, reconhecimento de fala, TTS, geração de música e áudio.
🔥🔥🔥Caixa de ferramentas de algoritmos de IA gratuitos e offline para Java, suportando reconhecimento facial, detecção de vivacidade, reconhecimento de expressões, detecção de objetos, segmentação de instâncias, detecção de pedestres, reconhecimento de texto OCR, reconhecimento de placas de veículos, reconhecimento de tabelas, ASR+TTS, tradução automática e outras funções, utilizável via referência Maven. Suporta PyTorch, Tensorflow e integrou modelos principais como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Um framework de serviço de modelo de ML de alto desempenho, oferece agrupamento dinâmico (dynamic batching) e pipelines de CPU/GPU para explorar totalmente sua máquina de computação
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.
Transforme PDFs em podcasts de IA para um conteúdo de áudio envolvente em movimento.
DiffWave é um vocoder neural e sintetizador de forma de onda rápido e de alta qualidade.