#tts Репозитории
Всего репозиториев: 222
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)
Версия OpenClaw с интеграцией китайских IM-платформ в Docker предустановлена и настроена с плагинами для основных китайских IM-программ, таких как Feishu, DingTalk, QQ‑боты и корпоративный WeChat, позволяя быстро развернуть AI‑ботовый шлюз, поддерживающий несколько китайских IM‑платформ.
Streamer-Sales Чемпион продаж — Большая языковая модель LLM для стримеров-продавцов 🛒🎁, большая языковая модель LLM для стримеров-продавцов, способная комментировать товары с точки зрения стимулирования покупательского намерения пользователя на основе заданных характеристик товара. 🚀⭐ Содержит подробные процессы генерации данных ❗ 📦 Также интегрированы LMDeploy для ускоренного вывода 🚀, RAG (генерация с дополнением поиском) 📚, TTS (преобразование текста в речь) 🔊, генерация цифровых аватаров 🦸, использование Агентов для запроса информации в реальном времени в сети 🌐, ASR (преобразование речи в текст) 🎙️, фронтенд на базе экосистемы Vue 🍍, бэкенд на базе FastAPI 🗝️, упаковка и развертывание с помощью Docker-compose 🐋
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
Вводите тему — получаете объясняющее видео с дикторской озвучкой. Навык Claude Code / Codex, который превращает любую тему в объясняющее видео с моушн-графикой на чёрном фоне, озвучкой TTS, субтитрами и индикатором прогресса по главам. Поддерживаются китайский и английский языки; каждый кадр создаётся программно с помощью Remotion.
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!
[AutoArk] GPA (General Purpose Audio) может выполнять ASR, TTS и преобразование голоса с помощью одной крошечной модели!
Превратите одну тему в готовое объяснительное/рекламное видео в стиле Vox из бумажного коллажа — автоматизировано от начала до конца на Atlas Cloud + ffmpeg. Навык агента.
Кроссплатформенная читалка электронных книг на базе ИИ с семантическим поиском, RAG-чатом, локальным векторным хранилищем, заметками, TTS и синхронизацией через WebDAV.
openctp предоставляет совместимые с CTPAPI интерфейсы для различных каналов, таких как CTP-опционы на акции, XTP от Zhongtai Securities, TORA от Huaxin Securities, OST от Dongfang Securities, EMT от Dongfang Wealth Securities, TWS от Interactive Brokers, TAP от E-futures и QDP от Quant Investment. Программы CTP могут бесшовно подключаться к различным брокерским системам. openctp также предлагает среду симуляции на основе торговой системы TTS, которая также предоставляет совместимые с CTPAPI интерфейсы. Она поддерживает не только симуляцию торговли всеми отечественными видами фьючерсов и опционов, но и акциями А-класса, фондами, облигациями и опционами на акции, способна заменить Simnow и предоставить разработчикам количественных CTP-торгов круглосуточную доступную среду симуляции.
aeneas — это библиотека Python/C и набор инструментов для автомагической синхронизации аудио и текста (также известна как принудительное выравнивание)
FLUX, Stable Diffusion, SDXL, SD3, LoRA, Тонкая настройка, DreamBooth, Обучение, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Анимация, Текст в видео, Туториалы, Руководства, Лекции, Курсы, ComfyUI, Google Colab, RunPod, Kaggle, Блокноты, ControlNet, TTS, Клонирование голоса, ИИ, Новости ИИ, ML, Новости ML, Новости, Технологии, Технологические новости, Kohya, Midjourney, RunPod
Библиотека Python и инструмент командной строки для взаимодействия с API преобразования текста в речь Google Translate
MARY TTS -- система синтеза речи из текста, многоязычная, с открытым исходным кодом, написанная на чистом Java
Инструмент преобразования текста в речь с открытым исходным кодом, поддерживает сверхдлинные тексты, озвучку нескольких персонажей
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
Голосовой ИИ в реальном времени с более чем 100 моделями на Arduino ESP32, защищёнными WebSocket и периферийными функциями для ИИ-игрушек, настольных компаньонов и устройств
Конвертер EPUB в аудиокнигу, оптимизированный для Audiobookshelf, с веб-интерфейсом
Инструмент командной строки для преобразования текста в речь с использованием модели Kokoro, поддерживающий несколько языков, голоса (с возможностью смешивания) и различные форматы ввода, включая книги EPUB и документы PDF.
Управление Яндекс.Станцией и другими устройствами умного дома с Алисой из Home Assistant
Бесплатная высококачественная конечная точка API преобразования текста в речь для замены OpenAI, Azure или ElevenLabs
🚀 Сотрудник полностью автоматизированной генерации видео ИИ | Ваш первый коллега AIGC. Поболтайте идею. Получите фильм. 🦞
Высокопроизводительная среда выполнения для обслуживания интерактивных систем сверхинтеллекта
Workflow-to-APP, ScreenShare и FloatingVideo, GPT и 3D, SpeechRecognition и TTS
бесплатный и с открытым исходным кодом синтезатор речи для русского и других языков
Bailing — это голосовой чат-бот, похожий на GPT-4o, реализованный через ASR+LLM+TTS, интегрированный с отличными большими моделями вроде DeepSeek R1, подключённый к openClaw, настоящий личный голосовой ассистент с задержкой до 800 мс, работает на низкоресурсных устройствах вроде Mac, поддерживает прерывание
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.
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.
NobodyWho — это механизм вывода, который позволяет вам локально и эффективно запускать LLM на любом устройстве.
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
Amica — это интерфейс с открытым исходным кодом для интерактивного общения с 3D-персонажами с использованием синтеза речи и распознавания речи.
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.
Двусторонний голосовой перевод в реальном времени для двуязычных встреч — автоматически определяет язык и переводит в обоих направлениях, работает через облако или полностью офлайн на устройстве. Доступно для ПК (Windows · macOS · Linux) и в виде расширения для браузеров (Chrome · Edge) для Zoom, Meet, Teams и любых других приложений.