#text-to-speech Репозитории
Всего репозиториев: 261
Практическая лаборатория по созданию, тестированию и оценке приложений с использованием платформы базовых моделей Apple.
Ядро VOICEVOX — бесплатного программного обеспечения для преобразования текста в речь среднего качества
Система самостоятельного кодирования для вашего приложения — Alan AI SDK для Cordova
Модульное приложение голосового помощника для экспериментов с передовыми моделями транскрипции, генерации ответов и преобразования текста в речь. Поддерживает API OpenAI, Groq, Elevenlabs, CartesiaAI и Deepgram, а также локальные модели через Ollama. Идеально подходит для исследований и разработок в области голосовых технологий.
Быстрое и высококачественное преобразование текста в речь с нулевым выстрелом с помощью Flow Matching
Генератор аудиокниг с несколькими голосами на базе ИИ — аннотация сценариев LLM, клонирование голоса, дизайн голоса, обучение LoRA, управление стилем по строкам и экспорт в MP3, M4B с главами или многодорожечный Audacity. Построен на Qwen3-TTS.
Открытый SDK для голосового ИИ. Альтернатива Vapi/Retell для разработчиков, желающих владеть стеком. Дайте вашему ИИ-агенту номер телефона в 4 строки — Python и TypeScript, лицензия MIT, Twilio, Telnyx и Plivo.
ИИ-видеоредактор для агентов. Плагин ChatCut и MCP-сервер для Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work и Qwen Work: редактируйте собственные видеоматериалы в чате, добавляйте подписи и субтитры, удаляйте паузы и слова-паразиты, создавайте анимированную графику и экспортируйте редактируемую временную шкалу.
Сделайте естественные голоса Azure TTS доступными для любого приложения, совместимого с SAPI 5.
Мощная 3B-параметровая модель редактирования аудио на основе LLM с использованием обучения с подкреплением превосходно справляется с редактированием эмоций, стиля речи и паралингвистики, а также обладает надежной технологией преобразования текста в речь (zero-shot text-to-speech).
Этот набор инструментов позволяет пользователям взаимодействовать с сервисами ИИ непосредственно из их терминала.
Видеоредактор с открытым исходным кодом и локальным приоритетом, где создатели и ИИ-агенты редактируют одну и ту же реальную временную шкалу.
Открытый голосовой инструмент (Apache 2.0) для Claude Code и Codex на macOS, который вслух озвучивает ход работы вашего кодинг-агента. Голос генерируется локально с помощью Kokoro, аккаунт не нужен; также можно использовать собственный ключ ElevenLabs или Speechify. Слушайте краткое голосовое резюме, когда агент завершает работу, терпит неудачу или запрашивает подтверждение.
Легковесная модель преобразования текста в речь с клонированием голоса без примеров (zero-shot)
Бесплатный, с открытым исходным кодом, простой, чистый и без рекламы читатель романов
Клиент REST API Vonage для PHP. Поддержка API для SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) и многое другое.
Легковесный оффлайн-движок Text-to-Speech (TTS) для Android, обеспечивающий бесшовное клонирование голоса на уровне всей системы и чтение текста с высокой точностью. / Легковесный движок TTS (текст в речь), работающий локально на Android, поддерживает оффлайн извлечение диктора, клонирование тембра без порога и глобальное прослушивание на уровне системы с двойным двигателем.
Автоматический генератор видео, который по заданной теме автоматически создает поясняющие видео. Пользователь вводит текст темы, система вызывает большую языковую модель для генерации истории или пояснительного текста, затем вызывает интерфейс синтеза речи для генерации пояснительного голоса, вызывает интерфейс преобразования текста в изображение для создания иллюстраций, соответствующих текстовому содержанию, и, наконец, объединяет голос и иллюстрации для создания поясняющего видео.
DiffWave — это быстрый, высококачественный нейронный вокодер и синтезатор волновых форм.
Confucius4-TTS: многоязычный и кросс-язычный движок синтеза речи (TTS) с нулевым обучением (zero-shot)
sanoTTS (सानो означает «маленький» на непальском): нейросетевая система синтеза речи с числом параметров от 294 тыс. до 2,27 млн, работающая на чипе за 3 доллара, в браузере или на Python и поддерживающая потоковую передачу с низкой задержкой.
Совместимый с API OpenAI сервер преобразования текста в речь, использующий xtts_v2 и/или piper tts от Coqui AI в качестве бэкэнда.
Ресурсы кода Azure OpenAI для использования возможностей gpt-4o в реальном времени.
Терминальный считыватель электронных книг с функцией преобразования текста в речь аудиокнижного качества — Поддерживает EPUB, PDF, DOCX, HTML, RTF, TXT и MD.
Речь в текст в речь. Песня воспроизводится. Отправляет текст в виде сообщений OSC в VRChat для отображения на аватаре. (STTTS) (Речь в TTS) (Система VRC STT) (VTuber TTS)
🎤 Lobe TTS - Высококачественная и надежная библиотека TTS/STT для серверов и браузеров
Англоязычная модель преобразования текста в речь с 4,5 млн параметров и двумя голосами, обученная с нуля
устройство на базе esp32, в основном используемое для голосового чата с большими языковыми моделями
Локальный голосовой чат-бот для увлекательных разговоров, работающий на базе Ollama, Hugging Face Transformers и Coqui TTS Toolkit
Vui Nano — небольшая контекстно-зависимая модель преобразования текста в речь, обученная на реальных разговорах. 219 млн активных параметров (305 млн всего), лицензия Apache 2.0, клонирование голоса и потоковая передача; работает на CPU (сборка на C без зависимостей). В комплект входит полноценный голосовой ассистент реального времени: WebRTC, ASR, локальная LLM и совместимость с OpenAI Realtime API.