speech-synthesis

🐸💬 - ein Deep-Learning-Toolkit für Text‑zu‑Sprache, erprobt in Forschung und Produktion

File Browser bietet eine Datei‑Verwaltungs‑Schnittstelle in einem angegebenen Verzeichnis und ermöglicht das Hochladen, Löschen, Vorschauen und Bearbeiten von Dateien.

Ein skalierbares generatives KI-Framework für Forscher und Entwickler, die an Large Language Models, Multimodalität und Speech AI (automatische Spracherkennung und Sprachsynthese) arbeiten

🧠 Leon ist Ihr persönlicher Open-Source-Assistent.

Modernste Deep-Learning-Skripte, organisiert nach Modellen – einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Infrastruktur für den Unternehmenseinsatz.

Blitzschnelles, gerätebasiertes, mehrsprachiges TTS — läuft nativ über ONNX.

Erstellen Sie Sprachagenten mit Open-Source-Modellen

Gradio WebUI für Creator und Entwickler mit wichtigen TTS-Funktionen (Edge-TTS, kokoro) und Zero-Shot Voice Cloning (E2 & F5-TTS, CosyVoice), inklusive Whisper-Audioverarbeitung, YouTube-Download, Demucs-Gesangsisolierung und mehrsprachiger Übersetzung.

Benutzerfreundliches Speech Toolkit mit selbstüberwachtem Lernmodell, SOTA/Streaming-ASR mit Interpunktion, Streaming-TTS mit Text-Frontend, Sprecherverifizierungssystem, End-to-End-Sprachübersetzung und Keyword-Spotting. Gewinner des NAACL2022 Best Demo Award.

Nutze den Online-Text-to-Speech-Dienst von Microsoft Edge aus Python, OHNE Microsoft Edge, Windows oder einen API-Key zu benötigen

Amphion (/æmˈfaɪən/) ist ein Toolkit zur Audio-, Musik- und Sprachgenerierung. Sein Zweck ist es, reproduzierbare Forschung zu unterstützen und jüngeren Forschern sowie Ingenieuren den Einstieg in die Forschung und Entwicklung zur Audio-, Musik- und Sprachgenerierung zu erleichtern.

End-to-End-Sprachverarbeitungs-Toolkit

so-vits-svc Fork mit Echtzeitunterstützung, verbesserter Benutzeroberfläche und weiteren Funktionen.

EmotiVoice 😊: Eine Multi-Voice- und Prompt-gesteuerte TTS-Engine

Eine auf Apples MLX-Framework basierende Text-to-Speech (TTS)-, Speech-to-Text (STT)- und Speech-to-Speech (STS)-Bibliothek für effiziente Sprachanalyse auf Apple Silicon.

eSpeak NG ist ein Open-Source-Sprachsynthesizer, der mehr als hundert Sprachen und Akzente unterstützt.

StyleTTS 2: Annäherung an menschliche Sprachsynthese durch Style Diffusion und adversariales Training mit großen Sprachmodellen für Sprache

Silero Models: Vorab trainierte Text-to-Speech-Modelle, denkbar einfach gestaltet

Erstelle Hörbücher aus EPUBs, PDFs und Text mit synchronisierten Untertiteln.

:DiffSinger: Gesangssynthese über flachen Diffusionsmechanismus (SVS & TTS); AAAI 2022; Offizieller Code

Ein Open-Source-Text-to-Speech-System, entwickelt durch Invertieren von Whisper.

Offene Gesangssynthese-Plattform / Open-Source-Nachfolger von UTAU

Grundlegendes Modell für menschenähnliches, expressives TTS

Konvertiert Text in Echtzeit in Sprache.

TensorFlowTTS: Echtzeit-Sprachsynthese auf dem neuesten Stand der Technik für TensorFlow 2 (unterstützt Englisch, Französisch, Koreanisch, Chinesisch, Deutsch und ist einfach für andere Sprachen anzupassen)

Lingvo

MARS5-Sprachmodell (TTS) von CAMB.AI

MARY TTS – Ein in reinem Java geschriebenes, Open-Source-basiertes und mehrsprachiges Text-to-Speech-Synthesesystem

Vietnamesisches TTS mit sofortigem Voice Cloning • On-Device • Echtzeit-CPU-Inferenz • 24kHz Audioqualität • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt

HiFi-GAN: Generative Adversarial Networks für effiziente und hochpräzise Sprachsynthese