#tts Репозитории
Всего репозиториев: 222
Плагин для AstrBot, позволяющий боту первым отправлять сообщения в личных и групповых чатах. Поддерживает распознавание контекста, сохранение данных, динамические эмоции, режим «Не беспокоить» и интеграцию с TTS. Также включает отдельный Web-интерфейс для персональной настройки.
Аудиообразцы, сопровождающие публикации, связанные с Tacotron, моделью сквозного синтеза речи.
Тестирование мимики и анимации на основе Bert-VITS2. Тестирование анимации на основе Bert-VITS2.
SummerTTS — это автономный проект синтеза речи (TTS) на китайском и английском языках, основанный на C++, который компилируется независимо. Он может работать локально без подключения к сети и не имеет дополнительных зависимостей. Достаточно однократной компиляции, чтобы использовать его для синтеза речи на китайском и английском языках.
Автоматическое распознавание речи (ASR), движок преобразования текста в речь (TTS). Распознавание речи на китайском и английском, многоролевая синтез речи, поддержка нескольких языков, высокая точность
Frametell: Превращайте свои идеи и материалы в яркие обучающие видео с помощью ИИ-агента-режиссёра. Сначала локально, поддержка любых моделей.
Узел ComfyUI для высоковыразительной речи и реалистичного клонирования голоса с нулевым обучением (zero-shot)
Счётчик расходов и бюджетный ограничитель для голосовых ИИ-агентов. Из коробки измеряет STT + TTS + LLM + телефонию для каждого вызова (Pipecat, LiveKit — Python и TypeScript). Принудительно останавливает следующий ход, прежде чем будет превышен ваш лимит. Локальная работа, без учётной записи и телеметрии. Разработано Floe — контроль затрат для Voice AI.
Электронная читалка с саморазвивающимся агентом: она запоминает, что вы читаете в разных книгах, а плагины расширяют возможности и читалки, и агента.
Ваш личный голосовой помощник: От голоса к тексту, к LLM, к речи, отображается в веб-интерфейсе
Открытые полнодуплексные голосовые модели, которые распознают вашу интонацию и говорят со своей собственной. Одна GPU с vLLM-Omni или полностью автономная работа на Mac с MLX. Клонирование голоса без примеров, совместимость с OpenAI Realtime / GPT-Live и бесплатный пробный доступ к размещённому API. Apache-2.0.
Синтез речи, распознавание речи и обнаружение речевой активности для голосового общения на C++ с использованием ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet и Silero VAD для Metal, Vulkan и CPU, с сервером, совместимым с OpenAI, и транскрибацией в реальном времени.
Open source Skill для Claude Code / Codex, который одним кликом превращает статью или видео (из Douyin, Bilibili или YouTube — сначала в расшифровку) в графические публикации для Xiaohongshu, длинные изображения в журнальном стиле, макеты для официальных аккаунтов WeChat и короткие видео с озвучкой с помощью ИИ. 21 тема, автоматическая проверка и нулевые зависимости npm.
Общайтесь с Feng Ge — клонируйте голос и личность любого человека для голосовых бесед в реальном времени. Техническая задержка — менее 1 секунды.
Превратите своего агента по программированию в видеостудию: опишите видео простым языком, и ваш агент составит таймлайн и создаст файл.
VibeVoiceFusion — это полнофункциональная веб-система для генерации речи с несколькими дикторами, поддерживающая тонкую настройку LoRA, пакетную генерацию и оптимизацию VRAM. Основана на VibeVoice от Microsoft (авторегрессионная архитектура + диффузия).