text-to-speech

Eine ComfyUI-Custom-Node-Integration für lokales Multi-Engine- und Multi-Language-Text-to-Speech sowie Voice Conversion. Unterstützt: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (klassisch und multilingual), F5-TTS, Higgs Audio 2, 3 und VibeVoice mit unbegrenzter Textlänge, SRT-Timing, Charakter-Unterstützung und vielen Audiowerkzeugen

Ein praktisches Labor zum Erstellen, Testen und Evaluieren von Apps mit dem Foundation Models-Framework von Apple.

TTS-Modell, das in der Lage ist, Konversations-Audio in Echtzeit zu streamen.

KI-Sprach-Toolkit für Apple Silicon – ASR, TTS, Speech-to-Speech, VAD und Diarisierung, angetrieben durch MLX und CoreML

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

Unzensiertes lokales KI-Studio für Windows, Linux und macOS. Installationsfreie GUI für Bildgenerierung, GGUF-LLMs, Text-to-Speech & Speech-to-Text

SGLang-Omni ermöglicht hochleistungsfähiges Serving für TTS-, ASR-, Sprach- und Omni-Modelle.

Open-Source-Voice-KI-SDK. Die Vapi/Retell-Alternative für Entwickler, die den Stack selbst kontrollieren möchten. Verleihen Sie Ihrem KI-Agenten in 4 Zeilen eine Telefonnummer — Python und TypeScript, unter MIT-Lizenz, Twilio, Telnyx und Plivo.

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.

Ein leistungsstarkes 3B-Parameter-LLM-basiertes Reinforcement-Learning-Audiobearbeitungsmodell, das sich hervorragend für die Bearbeitung von Emotionen, Sprechstil und Paralinguistik eignet und robuste Zero-Shot-Text-to-Speech bietet

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

Botium Sprachverarbeitung

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

Vonage-REST-API-Client für PHP. API-Unterstützung für SMS, Voice, Text-to-Speech, Nummern, Verify (2FA) und mehr.

Ein Open-Source-LLM-basiertes TTS-Fundamentalsystem

Captain's Log und 3D-Sternenkarte für Elite Dangerous

DiffWave ist ein schneller, hochqualitativer neuronaler Vocoder und Wellenformsynthesizer.

Das Bark-Modell von Suno AI in C/C++ für eine schnelle Text-to-Speech-Generierung

🎤 Lobe TTS – Eine hochwertige und zuverlässige TTS/STT-Bibliothek für Server und Browser

Terminal-E-Book-Reader mit Text-to-Speech in Hörbuch-Qualität – unterstützt EPUB, PDF, DOCX, HTML, RTF, TXT und MD.

Eine leichte, offlinefähige Android-Text-to-Speech-Engine (TTS) für nahtloses, systemweites Stimmklonen und hochpräzises Vorlesen.

Sprache zu Text zu Sprache. Song wird jetzt abgespielt. Sendet Text als OSC-Nachrichten an VRChat zur Anzeige auf dem Avatar. (STTTS) (Sprache zu TTS) (VRC-STT-System) (VTuber-TTS)

Open-Source-Videoeditor mit Local-First-Ansatz, bei dem Creator und KI-Agenten an derselben Timeline arbeiten.

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

Open-Source-Tool für Android ohne Root-Zugriff zur Echtzeit-Bildschirmübersetzung, geeignet für Spiele, Visual Novels und Mangas. Unterstützt On-Device- und Cloud-OCR, Offline-LLMs, verschiedene Übersetzungsdienste sowie Text-to-Speech (TTS), wobei Übersetzungen direkt auf dem Bildschirm angezeigt werden.

Lokaler Sprach-Chatbot für ansprechende Konversationen, basierend auf Ollama, Hugging Face Transformers und dem Coqui TTS Toolkit

Ein modulares Swift-SDK zur Audioverarbeitung mit MLX auf Apple Silicon

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.

System für Unterstützte Kommunikation (AAC) mit Sprachsynthese für den Browser