#tts Repositórios
222 repositórios no total
Um plugin do AstrBot que permite ao Bot enviar mensagens proativamente em conversas privadas e em grupo. Oferece compreensão do contexto, persistência de dados, emoções dinâmicas, períodos de não perturbe e integração com TTS. Também inclui uma WebUI independente para configuração personalizada.
Amostras de áudio que acompanham publicações relacionadas ao Tacotron, um modelo de síntese de fala ponta a ponta.
SummerTTS é um projeto de síntese de voz (TTS) autônomo baseado em C++ para chinês e inglês. Ele é compilado de forma independente, pode ser executado localmente sem necessidade de rede e não possui dependências adicionais. Uma vez concluída a compilação com um único clique, ele está pronto para ser usado na síntese de voz em chinês e inglês.
Reconhecimento Automático de Fala (ASR), motor de Texto para Fala (TTS). Reconhecimento de fala chinês-inglês, síntese de voz multirrole, suporte a vários idiomas, alta precisão
Frametell: Transforme suas ideias e materiais em vídeos explicativos envolventes com um agente diretor de IA. Prioridade local, compatível com qualquer modelo.
Nó ComfyUI para fala altamente expressiva e clonagem de voz realista zero-shot
O medidor de gastos e o bloqueador de orçamento para agentes de voz com IA. Mede STT + TTS + LLM + telefonia por chamada, pronto para usar (Pipecat, LiveKit — Python e TypeScript). Interrompe à força o próximo turno antes que ele ultrapasse o seu limite. Local, sem conta e sem telemetria. Desenvolvido pela Floe — controle de custos para Voice AI.
Um leitor de ebooks com um agente que evolui por conta própria: ele se lembra do que você lê em diferentes livros, e os plugins ampliam tanto o leitor quanto o agente.
Seu próprio assistente de voz pessoal: Voz para Texto para LLM para Fala, exibido em uma interface web
Modelos de voz abertos full-duplex que percebem o seu tom e falam com um tom próprio. Uma única GPU com vLLM-Omni ou execução totalmente offline em um Mac com MLX. Clonagem de voz zero-shot, compatibilidade com OpenAI Realtime / GPT-Live e teste gratuito da API hospedada. Apache-2.0.
Síntese de voz, reconhecimento de fala e detecção de atividade de voz para conversas por voz, em C++ com ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet e Silero VAD em Metal, Vulkan e CPU, com um servidor compatível com OpenAI e transcrição em tempo real.
Uma Skill de código aberto para Claude Code / Codex que transforma, com um clique, um artigo ou vídeo (do Douyin, Bilibili ou YouTube — primeiro convertido em transcrição) em publicações com imagem e texto para o Xiaohongshu, imagens longas em estilo de revista, layouts para contas oficiais do WeChat e vídeos curtos com narração gerada por IA. 21 temas, validação automática e zero dependências do npm.
Converse com Feng Ge — clone a voz e a personalidade de qualquer pessoa para conversas por voz em tempo real, com latência técnica inferior a 1 segundo.
Transforme seu agente de programação em um estúdio de vídeo: descreva um vídeo em linguagem simples e seu agente escreverá a linha do tempo e produzirá o arquivo.
VibeVoiceFusion é um sistema web full-stack de geração de voz com vários locutores, com ajuste fino LoRA, geração em lote e otimização de VRAM. Baseado no VibeVoice da Microsoft (arquitetura autorregressiva + difusão).