#speech-synthesis Репозитории
Откройте для себя 100 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #speech-synthesis, с общим числом 559,718 звёзд (в среднем 5,597 на проект). Лидером этой темы является microsoft/VibeVoice, набравший 57,449 звёзд.
Всего репозиториев: 101
🐸💬 - инструментарий глубокого обучения для преобразования текста в речь, испытанный в исследованиях и на производстве
VoxCPM2: TTS без токенизатора для многоязычной генерации речи, креативного дизайна голоса и реалистичного клонирования
Масштабируемая генеративная ИИ-платформа, созданная для исследователей и разработчиков, работающих с большими языковыми моделями, мультимодальными системами и речевым ИИ (автоматическое распознавание речи и синтез речи из текста)
Скрипты глубокого обучения передового уровня, организованные по моделям - легко обучать и развертывать с воспроизводимой точностью и производительностью на инфраструктуре корпоративного уровня.
Молниеносно быстрый, локальный, многоязычный TTS — работает нативно через ONNX.
Создавайте голосовых агентов с помощью моделей с открытым исходным кодом
Gradio WebUI для создателей и разработчиков, с основными функциями TTS (Edge-TTS, kokoro) и клонированием голоса без обучения (zero-shot Voice Cloning) (E2 & F5-TTS, CosyVoice), а также обработкой аудио Whisper, загрузкой с YouTube, выделением вокала Demucs и многоязычным переводом.
Простой в использовании набор инструментов для речи, включающий модель самообучения, SOTA/потоковый ASR с пунктуацией, потоковый TTS с текстовым фронтендом, систему верификации спикера, перевод речи от начала до конца и распознавание ключевых слов. Получил награду Best Demo Award NAACL2022.
Используйте онлайн-сервис преобразования текста в речь Microsoft Edge из Python, НЕ устанавливая Microsoft Edge
Amphion (/æmˈfaɪən/) — это набор инструментов для генерации аудио, музыки и речи. Его цель — поддержка воспроизводимых исследований и помощь начинающим исследователям и инженерам в освоении области исследований и разработок в области генерации аудио, музыки и речи.
Форк so-vits-svc с поддержкой реального времени, улучшенным интерфейсом и дополнительными функциями.
Библиотека преобразования текста в речь (TTS), речи в текст (STT) и речи в речь (STS), построенная на базе фреймворка MLX от Apple, обеспечивающая эффективный анализ речи на Apple Silicon.
Zonos-v0.1 — ведущая модель преобразования текста в речь с открытым весом, обученная на более чем 200 000 часах разнообразной многоязычной речи, обеспечивающая выразительность и качество, сравнимые или даже превосходящие лучшие TTS-решения.
eSpeak NG — это синтезатор речи с открытым исходным кодом, поддерживающий более ста языков и акцентов.
Модели Silero: предварительно обученные модели преобразования текста в речь, доведенные до невероятной простоты
StyleTTS 2: На пути к преобразованию текста в речь человеческого уровня через диффузию стиля и состязательное обучение с большими языковыми моделями речи
DiffSinger: Синтез поющего голоса с помощью механизма мелкой диффузии (SVS & TTS); AAAI 2022; Официальный код
Многоязычная TTS-модель со 100 миллионами параметров для вывода в реальном времени на CPU, клонирования голоса и генерации стереозвука с частотой 48 кГц
Система преобразования текста в речь с открытым исходным кодом, созданная путем инвертирования Whisper.
Открытая платформа вокального синтеза / Преемник UTAU с открытым исходным кодом
Семейство моделей с открытым исходным кодом для синтеза длинноформатной речи, синтеза диалогов, дизайна голоса, звуковых эффектов и потокового TTS в реальном времени
:stuck_out_tongue_closed_eyes: TensorFlowTTS: В реальном времени передовая синтез речи для Tensorflow 2 (поддерживаются английский, французский, корейский, китайский, немецкий языки, а также легкая адаптация для других языков)
Вьетнамский TTS с мгновенным клонированием голоса • На устройстве • Обработка на CPU в реальном времени • Качество звука 48 кГц • Преобразование текста в речь на вьетнамском языке • Вьетнамский синтез речи • Вьетнамский TTS
Интеллектуальный многоязычный ИИ-инструмент для озвучивания/перевода видео - Linly-Dubbing — « ИИ — сила, языки — вне границ »
Реальное время AI‑помощник для умных очков Meta Ray‑Ban — голос + зрение + агентские действия через Gemini Live и OpenClaw
MARY TTS -- система синтеза речи из текста, многоязычная, с открытым исходным кодом, написанная на чистом Java
HiFi-GAN: Генеративно-состязательные сети для эффективного и высокоточного синтеза речи
бесплатный и с открытым исходным кодом синтезатор речи для русского и других языков
Приложение Speech Note для Linux. Создание заметок, чтение и перевод с помощью автономного преобразования речи в текст (Speech to Text), текста в речь (Text to Speech) и машинного перевода.
Модель преобразования текста в речь на основе Flow Matching с управлением стилем на основе эмодзи
Неофициальный Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) с PyTorch
Часто задаваемые вопросы
Какой репозиторий по теме #speech-synthesis наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #speech-synthesis на GitHub — microsoft/VibeVoice, набравший 57,449 звёзд. AI для голосовой связи на переднем крае с открытым исходным кодом
Какие языки программирования чаще всего используются в репозиториях по теме #speech-synthesis?
Среди наиболее высоко оценённых проектов по теме #speech-synthesis на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TypeScript, C#.
Как рассчитывается рейтинг репозиториев по теме #speech-synthesis?
Мы отслеживаем 100 активных репозиториев с открытым исходным кодом, отмеченных тегом #speech-synthesis (500 и более звёзд), с общим числом 559,718 звёзд и в среднем 5,597 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.