#text-to-speech Репозитории
Всего репозиториев: 261
Это Ядро Личности для GLaDOS, первые шаги к реальной реализации ИИ из серии игр Portal от Valve.
Docker-контейнер с совместимым с OpenAI интерфейсом для синтеза речи Kokoro-82M; кроссплатформенная поддержка PyTorch на CPU, а также GPU AMD и NVIDIA; несколько дикторов, клонирование и настройка голоса, временные метки субтитров, SSML, WebSockets и дополнительный веб-интерфейс для чтения вслух с синхронизацией
Высококачественная быстрая модель клонирования голоса TTS, достигающая скорости 150 раз в реальном времени。
Автономный ИИ-компаньон для рабочего стола, учитывающий контекст. Разработан на Python и оснащён распознаванием содержимого экрана в реальном времени, пользовательским синтезом речи ONNX, отслеживанием активного окна и динамическим плавающим интерфейсом с отзывчивой мимикой.
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
Универсальный механизм вывода на чистом C++ для аудиомоделей на базе ggml. Поддерживает TTS, STT, VAD, преобразование голоса, генерацию музыки и многое другое с высокой оптимизацией производительности. Без зависимости от Python.
Семейство моделей с открытым исходным кодом для синтеза длинноформатной речи, синтеза диалогов, дизайна голоса, звуковых эффектов и потокового TTS в реальном времени
Простой, высококачественный инструмент для преобразования голоса, ориентированный на простоту использования и производительность.
: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)
SoulX-Podcast — это база кода для инференса от команды Soul AI, предназначенная для генерации высококачественных подкастов из текста.
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
Система диалогового цифрового аватара - Linly-Talker. 😄✨ Linly-Talker — это интеллектуальная система ИИ, которая объединяет большие языковые модели (LLM) с моделями визуализации для создания нового метода взаимодействия человека и ИИ. 🤝🤖 Она интегрирует различные технологии, такие как Whisper, Linly, Microsoft Speech Services и систему генерации говорящих голов SadTalker. 🌟🔬
Пример кода для Microsoft Cognitive Services Speech SDK
Единый Gradio + React WebUI с расширениями для ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T и Bark!
Редактор VOICEVOX - бесплатного программного обеспечения для преобразования текста в речь среднего качества
Среда выполнения голосовых функций в реальном времени, которая позволяет агентам общаться, работать и оставаться на связи. Среда выполнения голосовых функций в реальном времени для ИИ-агентов
Модели преобразования речи в текст и текста в речь Kyutai на основе фреймворка моделирования задержек потоков.
[AutoArk] GPA (General Purpose Audio) может выполнять ASR, TTS и преобразование голоса с помощью одной крошечной модели!
Клонирование голоса Bark и клонирование голоса для китайской речи
Агрегирует RSS и веб-контент (рецепт Calibre), отправляет на Kindle и включает онлайн-ридер, оптимизированный для e-ink.
aeneas — это библиотека Python/C и набор инструментов для автомагической синхронизации аудио и текста (также известна как принудительное выравнивание)
Создавайте видео с Claude Code: сценарий, озвучка с помощью ИИ, музыка, видеоклипы и рендеринг — на моделях с открытым исходным кодом всего за несколько центов
Библиотека Python и инструмент командной строки для взаимодействия с API преобразования текста в речь Google Translate
🚀 Развертывание в один клик (включая оффлайн-пакеты)! На базе ChatTTS, поддерживает потоковый вывод, «вытягивание» голосов, генерацию длинного аудио и чтение по ролям. Простота использования, не требует сложной установки.
MARY TTS -- система синтеза речи из текста, многоязычная, с открытым исходным кодом, написанная на чистом Java
AllTalk основан на движке Coqui TTS, аналогичном расширению Coqui_tts для Text generation webUI, однако поддерживает ряд расширенных функций, таких как страница настроек, поддержка низкого VRAM, DeepSpeed, рассказчик, дообучение модели, пользовательские модели, обслуживание файлов wav. Его также можно использовать со сторонним программным обеспечением через вызовы JSON.
HiFi-GAN: Генеративно-состязательные сети для эффективного и высокоточного синтеза речи
Локальная студия аудио и музыки на базе ИИ с открытым исходным кодом для macOS и Windows. Синтез речи, клонирование голоса, песни с текстами и многодорожечные партитуры — полностью офлайн и без платы за API.
Реализация VALL-E (Zero-Shot Text-To-Speech) на PyTorch, Воспроизведенная Демо https://lifeiteng.github.io/valle/index.html
Локальный мультимодальный ИИ в реальном времени с функциями, аналогичными GPT-Live
Портативная локальная AI-студия для Windows, Linux и macOS. Графический интерфейс без настройки для генерации изображений, GGUF LLM, преобразования текста в речь и речи в текст
Бесплатная высококачественная конечная точка API преобразования текста в речь для замены OpenAI, Azure или ElevenLabs