tts

KI-gestützter plattformübergreifender E-Book-Reader mit semantischer Suche, RAG-Chat, lokalem Vektorspeicher, Notizen, TTS und WebDAV-Synchronisierung.

Open-Source-Text-zu-Sprache-Tool mit Unterstützung für extralangen Text und Synchronisation für mehrere Rollen

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

EPUB-zu-Hörbuch-Konverter, optimiert für Audiobookshelf, inklusive WebUI

Echtzeit-Sprach-KI-Spielzeug mit über 100 Modellen auf Arduino ESP32 mit sicheren WebSockets und Edge-Funktionen für KI-Begleiter und -Geräte

Steuerung von Yandex.Station und anderen Smart-Home-Geräten mit Alice aus Home Assistant

Text-to-Speech, RAG und LLMs. Alles lokal!

Workflow-zu-APP, ScreenShare & FloatingVideo, GPT & 3D, SpeechRecognition & TTS

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

Ein CLI-Text-to-Speech-Tool, das das Kokoro-Modell verwendet und mehrere Sprachen, Stimmen (mit Mischung) sowie verschiedene Eingabeformate wie EPUB-Bücher und PDF-Dokumente unterstützt.

GPT-SoVITS ONNX Inference Engine & Modell-Konverter

Bailing ist ein GPT-4o-ähnlicher Sprachchatbot, der über ASR+LLM+TTS realisiert wird, hervorragende große Sprachmodelle wie DeepSeek R1 integriert und openClaw anbindet.

🚀 KI-vollautomatisierter Video-Generierungsmitarbeiter | Your First AIGC Coworker. Chat an Idea. Get a Film. 🦞

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.

Verwandelt ein Thema in ein fertiges Erklär-/Werbevideo im Vox-Papier-Collage-Stil – komplett automatisiert auf Atlas Cloud + ffmpeg. Eine Agentenfertigkeit.

Eine Hochleistungs-Inferenz-Engine für KI-Modelle

Lernen Sie Ava kennen, den WhatsApp Agent

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.

Amica ist eine Open-Source-Schnittstelle für die interaktive Kommunikation mit 3D-Charakteren inklusive Sprachsynthese und Spracherkennung.

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)

Dicio-Assistenten-App für Android

Führe lokale LLMs wie llama, deepseek-distill, kokoro und mehr direkt im Browser aus

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.