text-to-speech

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

Das selbstkodierende System für Ihre App — Alan AI SDK für Android

GPT-SoVITS ONNX Inference Engine & Modell-Konverter

Das Self-Coding-System für Ihre App — Alan AI SDK für Flutter

Übersetzt automatisch den Text eines Videos basierend auf einer Untertiteldatei und erstellt anschließend mithilfe von KI-Sprachdiensten eine neu synchronisierte und übersetzte Audiospur, die an die Timings der Untertitel angepasst ist.

Eine großartige Browser-Erweiterung, die Webseiteninhalte mit einem Klick vorliest

Deklarative Möglichkeit, KI-Modelle in React Native auf dem Gerät auszuführen, angetrieben von ExecuTorch.

Das Self-Coding-System für Ihre App — Alan AI SDK für Ionic

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.

Thema → 4K-kommentiertes Video für Coding-Agenten. v4.0: Alle TTS über die ttsCN-Engine-Komponente (11 Plattformen inkl. MiniMax-Sprachklonierung, native Wort-Level-Untertitel-Synchronisierung), Manifest-basiertes Asset Engine, Remotion-Komposition, kostenkontrollierte KI-Generierung

Offizieller MiniMax Model Context Protocol (MCP)-Server, der die Interaktion mit leistungsstarken APIs für Text-to-Speech, Bildgenerierung und Videogenerierung ermöglicht.

Leistungsstarker, mit OpenAI und Anthropic kompatibler LLM-Inferenzserver für Apple Silicon. Nativer MLX, Continuous Batching, multimodale Modelle, MCP-Tool-Aufrufe und Claude-Code-Unterstützung.

Eine umfassende ComfyUI-Integration für das VibeVoice Text-to-Speech-Modell von Microsoft, die eine hochwertige Sprachsynthese für einzelne und mehrere Sprecher direkt in Ihren ComfyUI-Workflows ermöglicht.

Soprano: Sofortige, ultrarealistische Sprachsynthese (Text-to-Speech)

Mit dem Mac sprechen, Dokumente abfragen, keine Cloud erforderlich. Sprach-KI auf dem Gerät + RAG

Talking Head (3D): Eine JavaScript-Klasse für Echtzeit-Lip-Sync mit ganzkörperlichen 3D-Avataren.

Eine Python/PyTorch-App zur einfachen Synthese menschlicher Stimmen

Schnittstelle für OuteTTS-Modelle.

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.

🍦 Speech-AI-Forge ist ein rund um TTS-Generierungsmodelle entwickeltes Projekt, das einen API-Server und ein Gradio-basiertes WebUI implementiert.

Synchronisierte Übersetzung für Videos. Videovertonung

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

Fine-Tuning von LLMs auf Ihrem Mac mit Apple Silicon. SFT-, DPO-, GRPO-, Vision-, TTS-, STT-, Embedding- und OCR-Fine-Tuning – nativ auf MLX. Unsloth-kompatible API.

[ICASSP 2024] 🍵 Matcha-TTS: Eine schnelle TTS-Architektur mit Conditional Flow Matching

[ICLR 2025] SOTA diskrete Audio-Codec-Modelle mit 40/75 Tokens pro Sekunde für Audio-Sprachmodellierung

Offline-Inferenz-Engine für Kunst, Echtzeit-Sprachkonversationen, LLM-gestützte Chatbots und automatisierte Workflows

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

Ein Web-UI für verschiedene audiorelevante neuronale Netze

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