#tts Репозитории
Всего репозиториев: 222
Удобный набор инструментов для распознавания/транскрипции/конвертации голоса и т.д. | Простая и удобная голосовая панель инструментов
Confucius4-TTS: многоязычный и кросс-язычный движок синтеза речи (TTS) с нулевым обучением (zero-shot)
Самое простое и недорогое решение для интеграции с ИИ. Если вам нравится этот проект, пожалуйста, поставьте ему звезду~ | 最简单、最低成本的AI接入方案。喜欢本项目的话点个 Star 吧~
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.
🔥🔥 Kokoro на Rust. https://huggingface.co/hexgrad/Kokoro-82M Невероятно быстрый TTS в реальном времени с высоким качеством, которое у вас когда-либо было.
AI VTuber с LLM, ASR, TTS, OCR, CV и другими технологиями для трансляций в прямом эфире или совместной игры в Minecraft.
Voxtral ASR & TTS работает нативно и в браузере. Реализация на Rust Voxtral mini реального времени ASR/TTS от Mistral с использованием фреймворка ML Burn
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
Локальный ИИ-инструмент, который автоматически создаёт анимационные видео в стиле белой доски на основе эталонного голоса и сценария на китайском языке.
Англоязычная модель преобразования текста в речь с 4,5 млн параметров и двумя голосами, обученная с нуля
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.
Система аугментативной и альтернативной коммуникации (ААК) с функцией преобразования текста в речь для браузера
MimikaStudio - Локальное-first приложение для macOS (Apple Silicon) + Поддержка Agentic MCP
MLX Omni Server — это локальный сервер вывода, работающий на фреймворке MLX от Apple, специально разработанный для чипов Apple Silicon (серии M). Он реализует совместимые с OpenAI конечные точки API, обеспечивая бесшовную интеграцию с существующими клиентскими SDK OpenAI и используя возможности локального вывода машинного обучения.
Thorsten-Voice: Бесплатная для использования, работающая оффлайн, высококачественная немецкая TTS-голос должна быть доступна для каждого проекта без каких-либо проблем с лицензиями.
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
Плагин Unreal Engine для моделей LLM/GenAI и сервера MCP UE5. OpenAI GPT-5, Deepseek R1, Claude Opus/Sonnet, Gemini 3, Grok 4, Alibaba Qwen, Kimi, ElevenLabs TTS, Inworld, OpenRouter, Groq, GLM, Ollama, Local, Meshy, Tripo, Hunyuan3D, Rodin, fal, Dashscope, Seedream. NPC AI, agentic, chat, 3D gen, TTS, multimodal, image gen. UnrealMCP/UnrealClaude
Легко создавайте модели преобразования текста в речь Piper любым голосом. Создайте модель преобразования текста в речь с помощью собственных голосовых записей или используйте тысячи голосов RVC. Работает офлайн на Raspberry Pi. Быстро записывайте пользовательские наборы данных для любого файла metadata.csv и слушайте свою модель во время обучения.
Автоматическое ежедневное обновление статей Text-to-speech (TTS) с помощью Github Actions (Обновление каждые 12 часов)
Пакет навыков ИИ-агента для озвучки видео: автоматическая нарезка сцен, анализ изображения для написания текста озвучки, добавление голоса и микширование звука для создания готового видео; экспорт черновиков для Jianying/CapCut, GPU не требуется | Навыки агента для озвученных видеорезюме и черновиков CapCut
Kokoro Web: Бесплатное преобразование текста в речь с помощью ИИ, онлайн или с самостоятельным размещением, совместимое с OpenAI!
🤗 Optimum Intel: Ускорьте вывод с помощью инструментов оптимизации Intel
«来剪» — лёгкий видеоредактор. Доступен бесплатно в веб-версии, десктопной версии и других. Функции вдохновлены редакторами вроде CapCut. Лёгкий видеоредактор. Бесплатно для веба, десктопа и не только, с функциями, вдохновлёнными редакторами вроде CapCut.
Hojo-TTS-Light — это серия лёгких моделей генерации речи, разработанная HojoAI. В настоящее время она включает модели на 0,04B и 0,08B.
Пользовательский узел ComfyUI для VibeVoice TTS. Выразительный, длинный, многоголосый разговорный звук
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.
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
Ядро CMS на базе ИИ для личных блогов и сайтов создателей с ИИ-саммари, переводом, модерацией и рабочими процессами письма.
Узлы OmniVoice TTS для ComfyUI - Многоязычный синтез речи с нулевым обучением, клонирование голоса, дизайн голоса и многоголосый диалог
Список моделей с открытым исходным кодом для синтеза речи (TTS), клонирования голоса и генерации музыки
Разговорное устройство с ИИ + программный фреймворк для компаньонства, развлечений, образования, здравоохранения, IoT-приложений и DIY-робототехники. Создано с использованием Python, NextJS, Arduino, ESP32, LLM (GPT-4o), Deepgram STT и Azure TTS 🤖