#voice-cloning Repositórios
77 repositórios no total
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.
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).
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.
Produza vídeos de sucesso com um clique: 1. Extraia automaticamente legendas de concorrentes 2. Reescreva legendas automaticamente 3. Clone a voz da legenda automaticamente 4. Gere locução de avatar digital automaticamente 5. Adicione legendas automaticamente 6. Adicione música de fundo automaticamente 7. Adicione títulos de vídeo automaticamente 8. Gere capas de vídeo automaticamente 9. Publique vídeos em várias plataformas automaticamente
Um servidor de texto para fala compatível com a API da OpenAI, usando xtts_v2 da Coqui AI e/ou piper tts como backend.
Marca d'água localizada para áudios de fala gerados por IA, com SOTA em robustez e detector muito rápido
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.
Nó personalizado para conversão de texto em fala de alta qualidade no ComfyUI usando o modelo IndexTTS. Suporta texto em chinês e inglês e pode replicar características de voz com base em áudio de referência.
MimikaStudio - Um aplicativo local-first para macOS (Apple Silicon) + Suporte Agentic MCP
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.).
Transforme PDFs e EPUBs em audiolivros; legendas ou vídeos em vídeos dublados (incluindo tradução) e muito mais. De graça. O Pandrator usa modelos locais, incluindo clonagem de voz (instantânea, aprimorada por RVC, ajuste fino de XTTS) e processamento LLM. Aspira a ser um aplicativo fácil de usar com GUI, instalador e pacotes tudo-em-um.
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.
🎭 Plataforma de avatar de IA / humano digital — carregue uma foto, clone uma voz e converse com qualquer rosto em tempo real usando vídeo com sincronização labial. Código aberto e auto-hospedada. Claude · Whisper · Chatterbox · MuseTalk.
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.
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
O primeiro modelo de diálogo falado end-to-end, em tempo real e de código aberto com clonagem de voz personalizada.
Nó ComfyUI para fala altamente expressiva e clonagem de voz realista zero-shot
YouDub é uma ferramenta de código aberto destinada a traduzir e dublar automaticamente vídeos de alta qualidade do YouTube, permitindo que sejam transportados para a internet chinesa. A ferramenta utiliza tecnologia de reconhecimento de voz por IA para converter áudio em texto, traduzindo subsequentemente o texto para chinês através de um Grande Modelo de Linguagem (LLM) e, finalmente, convertendo o texto chinês em áudio usando tecnologia de clonagem de voz por IA. Desta forma, podemos criar vídeos dublados em chinês que mantêm o timbre de voz original do YouTuber.
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.
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.