speech-synthesis

Eine Open-Source-ChatGPT-App mit Sprachfunktion

Steuerbare und schnelle Text-to-Speech-Technologie für über 7000 Sprachen!

Ein freier und Open-Source-Sprachsynthesizer für Russisch und andere Sprachen

Inoffizielles Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) mit PyTorch

Speech Note Linux-App. Notizen erstellen, lesen und übersetzen mit Offline-Spracherkennung (Speech-to-Text), Sprachsynthese (Text-to-Speech) und maschineller Übersetzung.

Benutzerdefinierte Nodes, die die Funktionen von ComfyUI erweitern

Software Automatic Mouth – Ein winziger Sprachsynthesizer

Einheitliches multimodales Sprach-Text-Pre-Training für die Sprachverarbeitung

Hosten Sie das leistungsstarke Chatterbox TTS-Modell selbst. Dieser Server bietet eine benutzerfreundliche Web-UI, flexible API-Endpunkte (inkl. OpenAI-Kompatibilität), vordefinierte Stimmen, Klonen von Stimmen und Textverarbeitung im Umfang großer Hörbücher. Läuft beschleunigt auf NVIDIA (CUDA), AMD (ROCm) und CPU.

💎 Eine Liste barrierefreier Sprachkorpora für ASR, TTS und andere Sprachtechnologien

Allgemeine Sprachwiederherstellung

Ein hochwertiges System zur Sprachanalyse, -manipulation und -synthese

StreamSpeech ist ein All-in-One-Modell für nahtlose Offline- und Simultanspracherkennung, -sprachübersetzung und -sprachsynthese.

Ein Flow Matching-basiertes Text-to-Speech-Modell mit Emoji-gesteuerter Stilkontrolle

Offizielle PyTorch-Implementierung von BigVGAN (ICLR 2023)

Irina – ein russischer Sprachassistent für die Offline-Nutzung. Unterstützt Fähigkeiten über Plugins.

KI-Vtuber zum Streamen auf YouTube und Twitch.

AutoVC: Zero-Shot Voice Style Transfer nur mit Autoencoder-Verlust

YourTTS: Auf dem Weg zu Zero-Shot Multi-Speaker TTS und Zero-Shot Voice Conversion für jedermann

Microsoft Text-to-Speech API-Beispielcode in mehreren Sprachen, Teil von Cognitive Services.

KI-gestützter Multistimmen-Hörbuchgenerator – LLM-Skriptannotation, Klonen von Stimmen, Stimmen-Design, LoRA-Training, zeilenbasierte Stilsteuerung und Export nach MP3, M4B mit Kapiteln oder als Audacity-Mehrspurprojekt. Basiert auf Qwen3-TTS.

NISQA – Nicht-intrusive Bewertung der Sprachqualität und TTS-Natürlichkeit

Macht natürliche Azure-TTS-Stimmen für jede SAPI-5-kompatible Anwendung zugänglich.

Ein Open-Source-LLM-basiertes TTS-Fundamentalsystem

Ein sprechendes LLM, das auf deinem eigenen Computer ohne Internetverbindung läuft.

DiffWave ist ein schneller, hochqualitativer neuronaler Vocoder und Wellenformsynthesizer.

Confucius4-TTS: Eine mehrsprachige und sprachübergreifende Zero-Shot-TTS-Engine

Echtzeit-Sprachassistent — WebRTC-Streaming, faster-whisper ASR, lokales LLM, Vui Nano (300M) TTS. Kompatibel mit der OpenAI Realtime API. Sprachklonen, Barge-in, ca. 9-fache Echtzeit auf einer 4090. Apache 2.0.

Thorsten-Voice: Eine kostenlose, offline funktionierende, hochwertige deutsche TTS-Stimme, die für jedes Projekt ohne Lizenzprobleme verfügbar sein soll.

INTERSPEECH 2023-2024 Papers: Eine vollständige Sammlung einflussreicher und spannender Forschungspapiere der INTERSPEECH 2023-24 Konferenz. Entdecken Sie die neuesten Fortschritte in der Sprach- und Textverarbeitung. Code enthalten. Sternen Sie das Repository, um den Fortschritt der Sprachtechnologie zu unterstützen!