#tts Репозитории
Всего репозиториев: 222
Запускайте локальные LLM, такие как llama, deepseek-distill, kokoro и другие, в вашем браузере
Приложение Python/Pytorch для легкого синтеза человеческих голосов
Java Enterprise Management Platform для Xiaozhi ESP32, предлагающая интегрированное решение для фронтенда, бэкенда и сервера для мониторинга устройств, настройки тембров, переключения ролей и управления записями разговоров
🍦 Speech-AI-Forge — это проект, разработанный вокруг модели генерации TTS, реализующий API-сервер и веб-интерфейс на основе Gradio.
Mouseover Translate Any Language At Once - Chrome Extension: PDF Translator, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, AI, VIEWER, GMAIL, WRITING, IMAGE, DUALSUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPANESE, ENGLISH
💎 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).
Инструмент (для платформы Windows), который может записывать голос синтеза речи (TTS) браузера Microsoft Edge и выводить его в виде аудиофайла .wav.
Цифровой человек с голосовым взаимодействием в реальном времени, с настраиваемой внешностью и голосом, поддерживающий клонирование голоса, с задержкой диалога до 3 секунд.
Перевод речи в реальном времени — macOS и Windows, бесплатный TTS, без сервера, только ваши API-ключи
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.
Открытый ИИ-движок для AMD Strix Halo. Текстовые модели, модели эмбеддингов, речи, изображений и видео в одном бинарном файле, а также API, совместимые с OpenAI, кэширование для агентов программирования и расширения моделей. Linux и Windows.
Лучшая практика TTS на основе BERT и VITS с некоторыми функциями Natural Speech от Microsoft; Поддержка потокового вывода ONNX!
Ирина - русский голосовой ассистент для работы оффлайн. Поддерживает скиллы через плагины.
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.
Голосовая ИИ-подруга (голосовая ИИ-подруга для DeepSeek Harness): голосовой ввод через Whisper + клонирование голоса с помощью Qwen3-TTS + потоковое озвучивание по предложениям + окно с анимированным аватаром. Два режима — прерывание и очередь; достаточно заговорить, чтобы немедленно прервать воспроизведение.
Проксирование AI Studio Playground и Build в виде API | API AI Studio, совместимый с OpenAI, Anthropic и Gemini
GLM-TTS: Управляемый TTS с нулевым выстрелом и экспрессивными эмоциями с помощью обучения с подкреплением по нескольким вознаграждениям
Одной командой создайте естественно звучащий аудиокнигу из различных форматов ввода (epub, mobi, txt, PDF, HTML и других!)
Простой HTTP API VITS, разработанный путем расширения Moegoe дополнительными функциями.
YourTTS: На пути к Zero-Shot Multi-Speaker TTS и Zero-Shot Voice Conversion для всех
Сделайте естественные голоса Azure TTS доступными для любого приложения, совместимого с SAPI 5.
Форк SumatraPDF: китайский EPUB/MOBI, умный темный режим PDF, OCR, TTS, офлайн-словарь.
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).
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.
Версия Cyber Xiaoya для прямых эфиров · Модульный цифровой человек (Vidu s2) · Бесплатно, открытый исходный код, AGPL-3.0 · Автор: Tiangong Kaizhen (под тем же именем на Douyin/Bilibili/YouTube)
Центр исследований в области аудио ИИ: статьи, открытые модели, бенчмарки и наборы данных по аудио LLM, распознаванию речи, TTS, генерации музыки и аудио.
🔥🔥🔥Бесплатный автономный набор инструментов ИИ-алгоритмов для Java, поддерживающий распознавание лиц, определение живости, распознавание эмоций, обнаружение объектов, сегментацию экземпляров, обнаружение пешеходов, распознавание текста OCR, распознавание номерных знаков, распознавание таблиц, ASR+TTS, машинный перевод и другие функции, доступный через ссылку Maven. Поддерживает PyTorch, Tensorflow и включает такие основные модели, как Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper и др.
Высокопроизводительный фреймворк для обслуживания ML-моделей, предлагающий динамическую пакетную обработку и конвейеры CPU/GPU для полного использования вашей вычислительной машины
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.
Превращайте PDF в ИИ-подкасты для увлекательного аудиоконтента на ходу.
DiffWave — это быстрый, высококачественный нейронный вокодер и синтезатор волновых форм.