text-to-speech

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

Open-Source-Sprach-KI-Plattform. Self-Hosted-Alternative zu Vapi und Retell. On-Premise, BYOK für Speech-to-Speech oder LLM/STT/TTS, mit visuellem Workflow-Builder, MCP-nativ und Telefonie-Unterstützung.

Open-Source-KI-Tool zur Videolokalisierung: automatischer Download von YouTube/Bilibili-Videos, Untertitelung und Übersetzung, Stimmklon-Synchronisation, Audiospur-Mischung und Untertitel-Einbettung.

Dockerisierter OpenAI-kompatibler Wrapper für Kokoro-82M Text-to-Speech mit Unterstützung für Multiplatform-CPU, AMD- und NVIDIA-GPU PyTorch; mehrere Sprecher, Sprachmischung, automatisches Zusammenfügen, Caption-Zeitstempel, SSML und Readalong-Web-UI

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

Die Python-Bibliothek für Echtzeitkommunikation

Eine Fast-Echtzeit-Implementierung von OpenAI Whisper.

Grundlegendes Modell für menschenähnliches, expressives TTS

Die MOSS‑TTS-Familie ist eine Open-Source-Modellfamilie zur Sprach- und Klangerzeugung von MOSI.AI und dem OpenMOSS-Team. Sie wurde für Szenarien in der realen Welt mit hoher Wiedergabetreue, starkem Ausdruck und hoher Komplexität entwickelt und deckt stabile Langform-Sprache, Dialoge mit mehreren Sprechern, Sprach-/Charakterdesign, Umgebungs-Soundeffekte und Echtzeit-Streaming-TTS ab.

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)

Ein einfaches, hochwertiges Sprachkonvertierungstool mit Fokus auf Benutzerfreundlichkeit und Leistung.

Eine einzige Gradio + React WebUI mit Erweiterungen für ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T und Bark!

Das offizielle Python SDK für die ElevenLabs API.

[AutoArk] GPA (General Purpose Audio) kann ASR, TTS und Sprachkonvertierung mit einem einzigen kleinen Modell durchführen!

aeneas ist eine Python/C-Bibliothek und eine Reihe von Werkzeugen zur automatischen Synchronisierung von Audio und Text (sogenanntes Forced Alignment)

MARS5-Sprachmodell (TTS) von CAMB.AI

Python-Bibliothek und CLI-Tool zur Schnittstellenanbindung an die Text-to-Speech-API von Google Translate

🚀 Ein-Klick-Bereitstellung (inklusive Offline-Integrationspaket)! Basierend auf ChatTTS, unterstützt Streaming-Ausgabe, Timbre-Gacha, Generierung langer Audiodateien und Vorlesen mit verteilten Rollen. Einfach zu bedienen, keine komplexe Installation erforderlich.

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

Offline-Text-to-Speech-Synthese für Python

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

Eine Echtzeit-Sprachlaufzeitumgebung für KI-Agenten, die sie im Gespräch und aktiv hält.

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

PyTorch-Implementierung von VALL-E (Zero-Shot Text-to-Speech), reproduzierte Demo https://lifeiteng.github.io/valle/index.html

Eine All-in-One-Inferenz-Engine in reinem C++ für Audiomodelle, angetrieben von ggml. Unterstützt TTS, STT, VAD, Sprachkonvertierung, Musikgenerierung und mehr bei hochoptimierter Leistung. Keine Python-Abhängigkeit.

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

Kostenloser, hochwertiger Text-to-Speech-API-Endpunkt als Ersatz für OpenAI, Azure oder ElevenLabs

On-Device, multimodale Echtzeit-KI mit ähnlichen Funktionen wie GPT-Live

AI-natives VideoProduktions-Toolkit für Claude Code