voice-cloning

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.

MimikaStudio - Eine Local-First-Anwendung für macOS (Apple Silicon) + Agentic MCP Support

Lokale, OpenAI-kompatible Text-to-Speech (TTS)-API mit Chatterbox, die es Benutzern ermöglicht, sprachgeklonten Ton überall dort zu erzeugen, wo die OpenAI-API verwendet wird (z. B. Open WebUI, AnythingLLM usw.)

Konvertieren Sie PDFs und EPUBs in Hörbücher, Untertitel oder Videos in synchronisierte Videos (inklusive Übersetzung) und mehr. Kostenlos. Pandrator verwendet lokale Modelle, einschließlich Stimmklonen (sofortig, RVC-optimiert, XTTS-Feintuning) und LLM-Verarbeitung. Das Ziel ist eine benutzerfreundliche App mit GUI, Installationsprogramm und All-in-One-Paketen.

YouDub ist ein Open-Source-Tool, das die Übersetzung und Synchronisation von qualitativ hochwertigen YouTube-Videos automatisiert, um sie im chinesischen Internet zu verbreiten. Das Tool nutzt KI-Spracherkennungstechnologie, um Audio in Text umzuwandeln, übersetzt den Text anschließend mit Hilfe großer Sprachmodelle ins Chinesische und wandelt den chinesischen Text schließlich durch KI-Stimmklonen in Audio um. So lassen sich chinesisch synchronisierte Videos mit der Originalstimme des YouTubers erstellen.

ComfyUI-Custom-Node für VibeVoice TTS. Ausdrucksstarkes, langformatiges Konversations-Audio mit mehreren Sprechern

Modifizierte Version von Chatterbox, die Textdateien als Eingabe akzeptiert und keine Zeichenbeschränkungen hat. Ich verwende sie zur Erstellung von Hörbüchern, insbesondere für meine Kinder.

Lokale Ausführung von Qwen3-TTS Text-to-Speech auf dem Mac (M1/M2/M3/M4). Stimmenklonierung, Stimmendesign und benutzerdefinierte Stimmen. 100 % offline mittels MLX.

Das weltweit erste Open-Source-Modell für Echtzeit-End-to-End-Sprachdialoge mit personalisiertem Voice-Cloning.

OmniVoice TTS-Knoten für ComfyUI – Zero-Shot-mehrsprachige Text-to-Speech mit Stimmklonen, Stimmdesign und Multi-Speaker-Dialogen

ComfyUI-Node für ausdrucksstarke Sprache und realistisches Zero-Shot Voice Cloning