tts

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.

🧸 Lobe Vidol - Virtuelle Idole für jeden zugänglich machen

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

Epub- oder Textdateien in Hörbücher umwandeln

Das Zentrum für Audio-KI-Forschung: Arbeiten, offene Modelle, Benchmarks und Datensätze über Audio-LLMs, Spracherkennung, TTS, Musik und Audiogenerierung.

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

Ein Open-Source-LLM-basiertes TTS-Fundamentalsystem

🔥🔥🔥 Kostenlose Offline-KI-Algorithmen-Toolbox für Java mit Unterstützung für Gesichtserkennung, Liveness-Erkennung, Gesichtsausdruckserkennung, Objekterkennung, Instanzsegmentierung, Fußgängererkennung, OCR-Texterkennung, Nummernschilderkennung, Tabellenerkennung, ASR+TTS, maschinelle Übersetzung und mehr. Einfach über Maven einbinden. Unterstützt PyTorch, TensorFlow und integriert gängige Modelle wie Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR (PPOCRv5), Whisper usw.

Ein Hochleistungs-Framework für die Bereitstellung von ML-Modellen mit dynamischem Batching und CPU/GPU-Pipelines zur vollständigen Ausnutzung Ihrer Rechenmaschine

Webinterface zur Verwendung von XTTS und zum Fine-Tuning

DiffWave ist ein schneller, hochqualitativer neuronaler Vocoder und Wellenformsynthesizer.

Transformiere PDFs in KI-Podcasts für fesselnde Audio-Inhalte unterwegs.

Ein benutzerfreundliches Toolkit für Spracherkennung, -transkription, -konvertierung usw.

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

Die einfachste und kostengünstigste KI-Integrationslösung. Wenn Ihnen dieses Projekt gefällt, geben Sie ihm bitte einen Stern~

SumatraPDF fork: Chinese EPUB/MOBI, smart PDF dark mode, OCR, TTS, offline dictionary.

Voxtral ASR & TTS läuft nativ und im Browser. Eine Rust-Implementierung von Mistrals Voxtral mini Echtzeit-ASR / TTS unter Verwendung des Burn ML Frameworks

Kokoro in Rust. https://huggingface.co/hexgrad/Kokoro-82M Unglaublich schneller Echtzeit-TTS von höchster Qualität.

Konvertiert jedes Git-Repository in einen fesselnden Podcast

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

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

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)

KI-VTuber mit LLM, ASR, TTS, OCR, CV und weiteren Technologien zum Livestreaming oder um mit dir Minecraft zu spielen.

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.

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

Deep Learning für die Audioverarbeitung

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.