#voice-cloning Репозитории
Всего репозиториев: 77
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.
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).
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.
Создание вирусных видео в один клик: 1. Автоматическое извлечение эталонных текстов 2. Автоматическое подражание текстам 3. Автоматическое клонирование голоса на основе текста 4. Автоматическая генерация озвучки цифровым аватаром 5. Автоматическое добавление субтитров 6. Автоматическое добавление фоновой музыки 7. Автоматическое добавление заголовков видео 8. Автоматическая генерация обложек видео 9. Автоматическая публикация видео на различных платформах
Совместимый с API OpenAI сервер преобразования текста в речь, использующий xtts_v2 и/или piper tts от Coqui AI в качестве бэкэнда.
Локализованное водяное знакирование для аудиозаписей речи, сгенерированных ИИ, с SOTA по надежности и очень быстрым детектором
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.
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.
MimikaStudio - Локальное-first приложение для macOS (Apple Silicon) + Поддержка Agentic MCP
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.).
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».
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.
🎭 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.
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
Первая в мире модель открытого исходного кода, работающая в реальном времени, энд‑то‑энд разговорной речи с персонализированным клонированием голоса.
Узел ComfyUI для высоковыразительной речи и реалистичного клонирования голоса с нулевым обучением (zero-shot)
YouDub — это инструмент с открытым исходным кодом, предназначенный для автоматического перевода и дублирования высококачественных видеороликов с YouTube, что позволяет переносить их в китайский сегмент Интернета. Инструмент использует технологию распознавания речи на основе ИИ для преобразования аудио в текст, затем переводит текст на китайский язык с помощью большой языковой модели (БЯМ) и, наконец, преобразует китайский текст в аудио с использованием технологии клонирования голоса на основе ИИ. Таким образом, мы можем создавать видео, дублированные на китайский язык, с сохранением оригинального тембра голоса ютубера.
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.
Общайтесь с Feng Ge — клонируйте голос и личность любого человека для голосовых бесед в реальном времени. Техническая задержка — менее 1 секунды.