#text-to-speech Репозитории
Всего репозиториев: 261
Высокопроизводительная среда выполнения для обслуживания интерактивных систем сверхинтеллекта
бесплатный и с открытым исходным кодом синтезатор речи для русского и других языков
Система самостоятельного кодирования для вашего приложения — Alan AI SDK для Android
Крутое расширение для браузера, которое зачитывает содержимое веб-страниц вслух одним кликом
Высокопроизводительная библиотека ИИ-инференса на устройстве для React Native с приоритетом конфиденциальности, работающая на основе среды выполнения ExecuTorch от PyTorch
Движок голосового синтеза VOICEVOX, бесплатное в использовании программное обеспечение для преобразования текста в речь среднего качества
Система самокодирования для вашего приложения — Alan AI SDK для Flutter
Автоматически переводит текст видео на основе файла субтитров, а затем использует ИИ-сервисы озвучивания для создания новой озвученной и переведенной аудиодорожки, в которой речь синхронизируется с использованием таймингов субтитров.
Тема → 4K-видео с озвучкой для кодинг-агентов. v5.3.0: локальный TTS (бесплатный Edge + Azure, без внешнего движка), движок ресурсов на основе манифеста, композиция Remotion, генерация ИИ с учётом затрат, Bilibili/YouTube/Xiaohongshu/Douyin/каналы WeChat
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.
Talking Head (3D): Класс JavaScript для синхронизации движения губ в реальном времени с использованием полноразмерных 3D-аватаров.
VibeVoice: Выразительный синтез разговорной речи в длинном формате. (Ответвление сообщества)
Высокопроизводительный сервер логического вывода LLM, совместимый с OpenAI и Anthropic, для Apple Silicon. Нативный MLX, непрерывная пакетная обработка, мультимодальные модели, вызовы инструментов MCP и поддержка Claude Code.
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
Рабочая станция для создания (коротких видео), объединяющая планирование контента, автоматическую генерацию текстов AI, автоматическое пакетное озвучивание TTS, синтез (AI) изображений, автоматическое извлечение субтитров на языке ASR и свободное творчество AI. Удобно для управления видеопроектами каждого выпуска.
Официальный сервер протокола контекста модели MiniMax (MCP), который обеспечивает взаимодействие с мощными API преобразования текста в речь, генерации изображений и генерации видео.
Комплексная интеграция ComfyUI для модели преобразования текста в речь VibeVoice от Microsoft, обеспечивающая высококачественный синтез речи для одного и нескольких дикторов непосредственно в ваших рабочих процессах ComfyUI.
Разместите мощную модель Chatterbox TTS на собственном сервере. Этот сервер предлагает удобный веб-интерфейс, гибкие конечные точки API (включая совместимые с OpenAI), предустановленные голоса, клонирование голоса и обработку текстов в масштабе больших аудиокниг. Ускоренная работа на NVIDIA (CUDA), AMD (ROCm) и CPU.
Точно настраивайте LLMs на вашем Mac с Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding и тонкая настройка OCR — нативно на MLX. API, совместимый с Unsloth.
Приложение Python/Pytorch для легкого синтеза человеческих голосов
Многоязычная модель для синтеза длинноформатных диалогов с несколькими говорящими, гибким управлением говорящими и клонированием голоса в режиме zero-shot
🍦 Speech-AI-Forge — это проект, разработанный вокруг модели генерации TTS, реализующий API-сервер и веб-интерфейс на основе Gradio.
Объясняющие видео и демонстрации продуктов, созданные вашим ИИ-агентом. Бесплатно и с открытым исходным кодом: локальный голос (Kokoro), синхронизация слов (Whisper) и рендерер на основе canvas превращают сценарий в MP4 с озвучкой.
💎 Список доступных речевых корпусов для ASR, TTS и других технологий речи
[ICASSP 2024] 🍵 Matcha-TTS: быстрая TTS-архитектура с условным сопоставлением потоков
Открытый инструмент для перевода экрана в реальном времени на Android без root, подходит для игр, визуальных новелл и манги. Поддерживает OCR на устройстве и в облаке, офлайн-LLM, несколько сервисов перевода, перевод на экране и озвучивание текста (TTS).
Автономный движок вывода для искусства, голосовых разговоров в реальном времени, чат-ботов на базе LLM и автоматизированных рабочих процессов
[ICLR 2025] Модели дискретных акустических кодеков SOTA с 40/75 токенами в секунду для моделирования аудиоязыка
Инструментарий ИИ для речи на Apple Silicon — ASR, TTS, речь-в-речь, VAD и диаризация на базе MLX и CoreML
StreamSpeech — это универсальная(«All in One»)бесшовная модель для офлайн- и синхронного распознавания речи, голосового перевода и синтеза речи.
Интеграция пользовательских узлов ComfyUI для локального многодвижкового и многоязычного преобразования текста в речь и конвертации голоса. Поддерживает: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (классический и многоязычный), F5-TTS, Higgs Audio 2, 3 и VibeVoice с неограниченной длиной текста, поддержкой SRT-таймингов, персонажей и множеством аудиоинструментов.
Ресурсы ChatTTS, адрес бесплатного пробного использования, база голосов и т. д.