tts

🍦 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

Allgemeine Sprachwiederherstellung

Ein Tool (für Windows) zum Aufnehmen der Text-to-Speech (TTS)-Sprachausgabe des Microsoft Edge-Browsers und zum Speichern als .wav-Audiodatei.

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

Natürliche Sprachgespräche mit Claude Code

Eine Java-Enterprise-Managementplattform für Xiaozhi ESP32, die eine integrierte Frontend- und Backend- sowie Serverlösung für Gerätemonitoring, Stimmanpassung, Rollenwechsel und Chat-Protokollverwaltung bietet

Text bei Mouseover sofort in jede Sprache übersetzen – Chrome-Erweiterung: PDF-Übersetzer, E-Book, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL-UNTERTITEL, GOOGLE DOCS, KI, VIEWER, GMAIL, SCHREIBEN, BILD, DUAL-SUBS, MANGA, HOVER, WÖRTERBUCH, WEBTOON, EDGE, JAPANISCH, ENGLISCH

Interaktiver digitaler Mensch in Echtzeit mit anpassbarem Erscheinungsbild und Stimme, Unterstützung für Stimmenklonen und einer Dialogverzögerung von nur 3 Sekunden.

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

Echtzeit-Sprachübersetzung — macOS & Windows, kostenlose TTS, kein Server, nur Ihre API-Schlüssel

Ein Web-UI für verschiedene audiorelevante neuronale Netze

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

Best-Practice-TTS basierend auf BERT und VITS mit einigen natürlichen Sprachfunktionen von Microsoft; unterstützt ONNX-Streaming!

Chinesische Text-to-Speech-Engine

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

Zwei-Wege-Echtzeit-Sprachübersetzung für zweisprachige Meetings – erkennt automatisch die gesprochene Sprache und übersetzt in beide Richtungen, in der Cloud oder vollständig offline auf dem Gerät. Desktop (Windows · macOS · Linux) + Browser-Erweiterung (Chrome · Edge) für Zoom, Meet, Teams & jede beliebige App.

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

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

C++ Inferenzbibliothek für mehrere SVC/TTS

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

KI-Vtuber zum Streamen auf YouTube und Twitch.

NobodyWho ist eine Inferenz-Engine, mit der Sie LLMs lokal und effizient auf jedem Gerät ausführen können.

GLM-TTS: Kontrollierbares und emotionsausdrucksstarkes Zero-Shot-TTS mit Multi-Reward-Reinforcement-Learning

Erstelle mit nur einem Befehl natürlich klingende Hörbücher aus verschiedenen Eingabeformaten (epub, mobi, txt, PDF, HTML und mehr!).

Kostenlose Online-Text-zu-Sprache-API

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

Eine einfache VITS HTTP-API, entwickelt durch Erweiterung von Moegoe um zusätzliche Funktionen.

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