speech-synthesis

🐸💬 - Un conjunto de herramientas de aprendizaje profundo para texto a voz (TTS), probado en combate en investigación y producción

VoxCPM2: TTS sin tokenizador para generación de voz multilingüe, diseño de voz creativo y clonación realista

Un framework de IA generativa escalable creado para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grande, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Text-to-Speech)

🧠 Leon es su asistente personal de código abierto.

Scripts de Deep Learning de última generación organizados por modelos: fáciles de entrenar y desplegar con precisión y rendimiento reproducibles en infraestructura de nivel empresarial.

TTS multilingüe, ultrarrápido y en el dispositivo, ejecutándose de forma nativa mediante ONNX.

Crea agentes de voz con modelos de código abierto

Gradio WebUI para creadores y desarrolladores, con TTS clave (Edge-TTS, kokoro) y clonación de voz zero-shot (E2 & F5-TTS, CosyVoice), procesamiento de audio con Whisper, descarga de YouTube, aislamiento vocal con Demucs y traducción multilingüe.

Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje autosupervisado, ASR de transmisión/SOTA con puntuación, TTS de transmisión con interfaz de texto, sistema de verificación de hablantes, traducción de voz de extremo a extremo y detección de palabras clave. Ganador del premio al mejor demo en NAACL2022.

Utiliza el servicio de conversión de texto a voz en línea de Microsoft Edge desde Python SIN necesidad de Microsoft Edge, Windows ni una clave de API

Amphion (/æmˈfaɪən/) es un conjunto de herramientas para la generación de audio, música y voz. Su propósito es respaldar la investigación reproducible y ayudar a los investigadores y desarrolladores junior a iniciarse en el campo de la investigación y el desarrollo de la generación de audio, música y voz.

Kit de herramientas de procesamiento de voz de extremo a extremo

Bifurcación (fork) de so-vits-svc con soporte en tiempo real, interfaz mejorada y más funciones.

EmotiVoice 😊: Un motor TTS multi-voz y controlado por avisos

Una biblioteca de texto a voz (TTS), voz a texto (STT) y voz a voz (STS) construida sobre el framework MLX de Apple, que proporciona un análisis de voz eficiente en Apple Silicon.

eSpeak NG es un sintetizador de voz de código abierto que admite más de cien idiomas y acentos.

StyleTTS 2: Hacia la conversión de texto a voz a nivel humano mediante difusión de estilo y entrenamiento adversarial con grandes modelos de lenguaje de voz

Silero Models: modelos de texto a voz preentrenados hechos extremadamente sencillos

Genera audiolibros a partir de EPUBs, PDFs y texto con subtítulos sincronizados.

DiffSinger: Síntesis de voz cantada mediante mecanismo de difusión superficial (SVS y TTS); AAAI 2022; Código oficial

Sistema de texto a voz de código abierto construido mediante la inversión de Whisper.

Plataforma de síntesis de canto abierta / Sucesor de código abierto de UTAU

Modelo fundacional para TTS expresivo y de aspecto humano

Convierte texto a voz en tiempo real

:stuck_out_tongue_closed_eyes: TensorFlowTTS: Síntesis de voz en tiempo real de vanguardia para TensorFlow 2 (compatible con inglés, francés, coreano, chino, alemán y fácil de adaptar a otros idiomas)

Lingvo.

Modelo de voz (TTS) MARS5 de CAMB.AI

MARY TTS -- un sistema de síntesis de texto a voz multilingüe y de código abierto escrito en Java puro.

TTS en vietnamita con clonación de voz instantánea • En el dispositivo • Inferencia en CPU en tiempo real • Calidad de audio de 24 kHz • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt

HiFi-GAN: Redes Generativas Antagónicas para la síntesis de voz eficiente y de alta fidelidad