#voice-cloning Repositórios
Descubra 76 repositórios ativos de código aberto no GitHub marcados com #voice-cloning, acumulando um total de 629,830 estrelas (uma média de 8,287 por projeto). O líder deste tópico é debpalash/VoiceStudio, com 115,753 estrelas.
77 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.
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
🐸💬 - 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
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!
Corte, tradução, alinhamento e até dublagem de legendas no nível da Netflix - equipe de legendas de IA totalmente automatizada com um clique para vídeos | Netflix级字幕切割、翻译、对齐、甚至加上配音,一键全自动视频搬运AI字幕组
Beta: o editor de vídeo verdadeiramente gratuito, de código aberto, com prioridade para o uso local e multiplataforma. Programável por meio de uma API JSON-RPC e MCP.
Qwen3-TTS é uma série de modelos TTS de código aberto desenvolvidos pela equipe Qwen na Alibaba Cloud, que suporta geração de voz estável, expressiva e de streaming, design de voz livre e clonagem de voz vívida.
YuE2: geração musical de ponta com planejamento simbólico, covers zero-shot e edição musical baseada em agentes.
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.
Zonos-v0.1 é um modelo líder de conversão de texto em fala com peso aberto, treinado em mais de 200 mil horas de fala multilíngue variada, proporcionando expressividade e qualidade comparáveis — ou até superiores — aos principais provedores de TTS.
🎙️🤖Crie, personalize e converse com seu personagem/companheiro de IA em tempo real (tudo em um único codebase!). Tenha uma conversa natural e fluida com IA em qualquer lugar (celular, web e terminal) usando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Localização e dublagem de vídeo com IA de código aberto para YouTube/Bilibili: reconhecimento de voz, tradução de legendas, clonagem de voz, mixagem de áudio e renderização. Ferramenta de código aberto para tradução e dublagem de vídeos com IA.
Um modelo de clonagem de voz TTS rápido e de alta qualidade que alcança velocidades de 150× em tempo real。
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 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
Uma ferramenta simples e de alta qualidade para conversão de voz, focada na facilidade de uso e no desempenho.
Sistema Conversacional de Avatar Digital - Linly-Talker. 😄✨ O Linly-Talker é um sistema de IA inteligente que combina grandes modelos de linguagem (LLMs) com modelos visuais para criar um novo método de interação humano-IA. 🤝🤖 Ele integra várias tecnologias, como Whisper, Linly, Microsoft Speech Services e o sistema de geração de cabeça falante SadTalker. 🌟🔬
Ferramenta de IA de Tradução/Dublagem Multilíngue de Vídeo Inteligente - Linly-Dubbing — “Capacitando com IA, sem fronteiras linguísticas”
Servidor nativo de inferência de LLM para Apple Silicon. Compatível com as APIs da OpenAI e da Anthropic. Sem Python. Aplicativo macOS com backend em Zig e frontend em Swift, com suporte à geração de chat, música, voz e vídeo.
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.
Modelo de Texto para Fala baseado em Flow Matching com Controle de Estilo Impulsionado por Emojis
Servidor oficial do protocolo de contexto do modelo MiniMax (MCP) que permite a interação com poderosas APIs de conversão de texto em fala, geração de imagens e geração de vídeo.
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.
Um aplicativo Python/Pytorch para sintetizar facilmente vozes humanas
Um modelo multilíngue para a síntese de diálogos longos com múltiplos falantes, com controle flexível dos falantes e clonagem de voz zero-shot
💎 Uma lista de corpora de fala acessíveis para ASR, TTS e outras Tecnologias 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.
Gerador de Podcast de IA para episódios bilíngues, Multilíngue, Alternativa ao NotebookLLM; Gerador de Podcast de IA com Diálogo Humano Realista, Multilíngue, Múltiplas Vozes
Perguntas Frequentes
Qual é o repositório de #voice-cloning mais popular no GitHub?
O projeto de código aberto de #voice-cloning 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 #voice-cloning?
Entre os projetos de #voice-cloning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, JavaScript.
Como é calculada a classificação dos repositórios de #voice-cloning?
Acompanhamos 76 repositórios ativos de código aberto marcados com #voice-cloning (com mais de 500 estrelas), totalizando 629,830 estrelas e uma média de 8,287 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.