#tts Repositórios
222 repositórios no total
Kit de ferramentas amigável ao usuário para reconhecimento/transcrição/conversão de voz etc. | Caixa de ferramentas de voz simples e fácil de usar
Confucius4-TTS: um motor de síntese de voz (TTS) multilingue e translingue zero-shot
A solução de integração de IA mais simples e de menor custo. Se você gosta deste projeto, por favor, dê uma estrela~ | A solução de integração de IA mais simples e de menor custo. Se você gosta deste projeto, por favor, dê uma estrela~
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.
🔥🔥 Kokoro em Rust. https://huggingface.co/hexgrad/Kokoro-82M TTS em tempo real insanamente rápido com a alta qualidade que você já viu.
VTuber de IA com LLM, ASR, TTS, OCR, CV e outras tecnologias para fazer transmissões ao vivo ou jogar Minecraft com você.
Voxtral ASR & TTS rodando nativamente e no navegador. Implementação em Rust do Voxtral mini ASR/TTS em tempo real da Mistral usando o framework ML Burn
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
Uma ferramenta de IA local que gera automaticamente vídeos de animação em quadro branco a partir de uma voz de referência e de um roteiro em chinês.
Um modelo de conversão de texto em fala em inglês com 4,5 milhões de parâmetros e duas vozes, treinado do zero
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.
Sistema de Comunicação Aumentativa e Alternativa (CAA) com síntese de voz para o navegador
MimikaStudio - Um aplicativo local-first para macOS (Apple Silicon) + Suporte Agentic MCP
MLX Omni Server é um servidor de inferência local alimentado pelo framework MLX da Apple, especificamente projetado para chips Apple Silicon (série M). Ele implementa endpoints de API compatíveis com OpenAI, permitindo uma integração perfeita com clientes SDK OpenAI existentes, enquanto aproveita o poder da inferência de ML local.
Thorsten-Voice: Uma voz TTS alemã gratuita, que funciona offline e de alta qualidade, deve estar disponível para todos os projetos sem qualquer problema de licenciamento.
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
Plugin do Unreal Engine para modelos LLM/GenAI e servidor MCP UE5. OpenAI GPT-5, Deepseek R1, Claude Opus/Sonnet, Gemini 3, Grok 4, Alibaba Qwen, Kimi, ElevenLabs TTS, Inworld, OpenRouter, Groq, GLM, Ollama, Local, Meshy, Tripo, Hunyuan3D, Rodin, fal, Dashscope, Seedream. NPC AI, agentic, chat, 3D gen, TTS, multimodal, image gen. UnrealMCP/UnrealClaude
Crie facilmente modelos de texto para fala Piper em qualquer voz. Crie um modelo de texto para fala com suas próprias gravações de voz ou use milhares de vozes RVC. Funciona offline em um Raspberry Pi. Grave rapidamente conjuntos de dados personalizados para qualquer arquivo metadata.csv e ouça seu modelo enquanto ele está sendo treinado.
Atualizar Automaticamente Artigos de Texto para Fala (TTS) Diariamente usando Github Actions (Atualização a cada 12 horas)
Pacote de habilidades de agente de IA para narração de vídeos: corta cenas automaticamente, analisa as imagens para escrever o roteiro da narração, adiciona a locução e mixa o áudio para produzir o vídeo final; permite exportar rascunhos para Jianying/CapCut, sem necessidade de GPU | Habilidades de agente para resumos de vídeo narrados e rascunhos do CapCut
Kokoro Web: Texto para fala com IA gratuito, online ou auto-hospedado, compatível com OpenAI!
🤗 Optimum Intel: Acelere a inferência com ferramentas de otimização Intel
「来剪」 editor de vídeo leve. Versão web, desktop etc. gratuitos, com funcionalidades inspiradas em editores como CapCut. Um Editor de Vídeo Leve. Gratuito para web, desktop e mais, com recursos inspirados em editores como CapCut.
Hojo-TTS-Light é uma série de modelos leves de geração de fala desenvolvida pela HojoAI, que atualmente inclui modelos de 0,04B e 0,08B.
Nó personalizado ComfyUI para o TTS VibeVoice. Áudio conversacional expressivo, de formato longo e com múltiplos falantes
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.
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
Núcleo CMS alimentado por IA para blogs pessoais e sites de criadores, com resumos IA, tradução, moderação e fluxos de trabalho de escrita.
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
Lista de modelos de código aberto para síntese de voz (TTS), clonagem de voz e geração musical
Um dispositivo de IA conversacional + estrutura de software para companheirismo, entretenimento, educação, saúde, aplicações de IoT e robótica DIY. Construído com Python, NextJS, Arduino, ESP32, LLMs (GPT-4o), Deepgram STT e Azure TTS 🤖