#text-to-speech Репозитории
Всего репозиториев: 261
Пользовательский узел для высококачественного преобразования текста в речь в ComfyUI с использованием модели IndexTTS. Поддерживает китайский и английский текст и может воспроизводить голосовые характеристики на основе эталонного аудио.
Система аугментативной и альтернативной коммуникации (ААК) с функцией преобразования текста в речь для браузера
Реализация функций, связанных с ИИ-чатом, с использованием Unity. В настоящее время эта библиотека содержит реализации кода для вызовов API к большим языковым моделям, таким как ChatGPT и ChatGLM, а также реализацию функций речевых сервисов Microsoft Azure и Baidu AI. Оба речевых сервиса используют веб-API и поддерживают такие платформы, как Windows/WebGL/Android.
Цель данного проекта — унифицировать способы использования различных движков синтеза речи, поддерживать несколько адаптеров для движков синтеза речи, позволяя использовать их напрямую в качестве модуля или запускать в виде серверной службы.
AlwaysReddy — это голосовой ассистент на базе LLM, который всегда находится на расстоянии одного нажатия горячей клавиши.
Rapida — это открытая платформа оркестровки голосового ИИ от конца до конца, предназначенная для создания голосовых агентов в реальном времени с потоковой передачей аудио, STT, TTS, VAD, многоканальной интеграцией, управлением состоянием агентов и наблюдаемостью。
Claudemy — альтернатива Udemy и Coursera с открытым исходным кодом. Задайте Claude тему, и он изучит материалы в интернете и создаст курс из двухминутных аудио-уроков с указанием источников. Бесплатный навык для Claude Code.
📚 Настраиваемое расширение-словарь, поддерживающее поиск по двойному клику более чем на 20 языках, с более чем 1000 словарей, преобразованием текста в речь, переводом и интеграцией с Anki.
Полностью автоматизированный видеомейкер, использующий моушн-графику и синтез речи для преобразования новостных рассылок в ежедневные видео на YouTube.
Локальный API синтеза речи (TTS), совместимый с OpenAI, использующий Chatterbox, позволяющий пользователям генерировать клонируемую речь где угодно, где используется API OpenAI (например, Open WebUI, AnythingLLM и т.д.).
Автономное распознавание речи с помощью OpenAI Whisper и TensorFlow Lite для Android
OpenAmika: ИИ-компаньон MekaHime по имени Amika — проект с открытым исходным кодом. Аватар Live2D, голосовое общение в реальном времени, долговременная память и OpenRouter или Ollama в качестве мозга.
✨✨[NeurIPS 2025] VITA-Audio: Быстрая перемежающаяся кросс-модальная генерация токенов для эффективной крупной речеязыковой модели
Автоматическое ежедневное обновление статей Text-to-speech (TTS) с помощью Github Actions (Обновление каждые 12 часов)
ИИ на устройстве для Flutter — Gemma и другие большие языковые модели, мультимодальность, вызов функций, эмбеддинги, RAG и речь на Android, iOS, Web, macOS, Windows и Linux.
Реализация Voicebox, новой передовой сети Text-to-speech от MetaAI, на Pytorch
Преобразование графем персидского языка (фарси) в фонемы Международного фонетического алфавита (МФА) с использованием дообученной модели ByT5.
LLaSA: Масштабирование вычислительной мощности во время обучения и вывода для синтеза речи на основе LLaMA
Превращайте PDF и EPUB в аудиокниги; субтитры или видео — в дублированные видео (включая перевод) и многое другое. Бесплатно. Pandrator использует локальные модели, включая клонирование голоса (мгновенное, с улучшением RVC, тонкая настройка XTTS) и обработку LLM. Проект стремится стать удобным приложением с графическим интерфейсом, установщиком и пакетами «все в одном».
Kokoro Web: Бесплатное преобразование текста в речь с помощью ИИ, онлайн или с самостоятельным размещением, совместимое с OpenAI!
Заголовки для преобразования речи в текст и ввода с клавиатуры для OBS, VRChat, чата Twitch и Discord
Пользовательский узел ComfyUI для VibeVoice TTS. Выразительный, длинный, многоголосый разговорный звук
Молниеносно быстрый, бесплатный голосовой ввод для macOS с приоритетом локальной обработки и транскрибацией на устройстве
Запускайте Qwen3-TTS (преобразование текста в речь) локально на Mac (M1/M2/M3/M4). Клонирование голоса, дизайн голоса, пользовательские голоса. 100% офлайн с использованием MLX.
Сервер для чтения документов вслух с возможностью следить за текстом, распространяемый с открытым исходным кодом и поддерживающий высококачественные варианты синтеза речи, синхронную подсветку и экспорт EPUB, PDF, DOCX, TXT и MD в аудиокниги.
🎭 Платформа ИИ-аватаров / цифровых людей — загрузите фотографию, клонируйте голос и общайтесь с любым лицом в реальном времени с помощью видео с синхронизацией губ. Открытый исходный код, самостоятельный хостинг. Claude · Whisper · Chatterbox · MuseTalk.
Модифицированная версия Chatterbox, которая принимает текстовые файлы в качестве входных данных и не имеет ограничений по символам. Я использую ее для создания аудиокниг, особенно для своих детей.
Система самостоятельного кодирования для вашего приложения — Alan AI SDK для React Native
Узлы OmniVoice TTS для ComfyUI - Многоязычный синтез речи с нулевым обучением, клонирование голоса, дизайн голоса и многоголосый диалог
Плагин ИИ на TypeScript для Payload CMS: генерация текста, изображений и голоса с расширяемыми провайдерами, промптами на уровне полей, контролем доступа и интеграцией с форматированным текстом.
🔥🔥🔥 Курируемый список статей о мультимодальной генерации на основе LLM (изображение, видео, 3D и аудио).