speech-synthesis

Una aplicación de ChatGPT de código abierto con voz

¡Texto a voz controlable y rápido para más de 7000 idiomas!

Un sintetizador de voz libre y de código abierto para ruso y otros idiomas

Implementación no oficial de Parallel WaveGAN (+ MelGAN, Multi-band MelGAN, HiFi-GAN y StyleMelGAN) con Pytorch

Aplicación de notas para Linux. Permite tomar notas, leer y traducir con funciones offline de voz a texto, texto a voz y traducción automática.

Nodos personalizados que amplían las capacidades de Comfyui

Software Automatic Mouth: un sintetizador de voz diminuto

Preentrenamiento de voz-texto modal unificado para procesamiento de lenguaje hablado

Aloja localmente el potente modelo de TTS Chatterbox. Este servidor ofrece una interfaz web intuitiva, endpoints de API flexibles (compatibles con OpenAI), voces predefinidas, clonación de voz y procesamiento de texto a gran escala para audiolibros. Se ejecuta con aceleración en NVIDIA (CUDA), AMD (ROCm) y CPU.

Una lista de corpus de voz accesibles para ASR, TTS y otras tecnologías de voz.

Restauración general de voz.

Un sistema de alta calidad para el análisis, manipulación y síntesis de voz

StreamSpeech es un modelo integrado "Todo en uno" para el reconocimiento, traducción y síntesis de voz tanto fuera de línea como simultáneos.

Modelo de texto a voz basado en Flow Matching con control de estilo mediante emojis.

Implementación oficial en PyTorch de BigVGAN (ICLR 2023).

Irina: un asistente de voz en ruso para trabajar sin conexión. Admite habilidades mediante complementos.

VTuber con IA para streaming en YouTube/Twitch.

AutoVC: Transferencia de estilo de voz Zero-Shot solo con pérdida de autoencoder

YourTTS: hacia un TTS multihablante Zero-Shot y conversión de voz Zero-Shot para todos.

Código de ejemplo de la API de Text-to-Speech de Microsoft en varios lenguajes, parte de Cognitive Services.

Generador de audiolibros multivoz impulsado por IA: anotación de guiones con LLM, clonación de voz, diseño de voz, entrenamiento LoRA, control de estilo por línea y exportación a MP3, M4B con capítulos o multipista de Audacity. Construido sobre Qwen3-TTS.

NISQA - Evaluación no intrusiva de la calidad de voz y naturalitud de TTS

Hacer que las voces naturales de Azure TTS sean accesibles para cualquier aplicación compatible con SAPI 5.

Un sistema TTS fundamental potenciado por LLM de código abierto

Un LLM conversacional que se ejecuta en su propia computadora sin necesidad de internet.

DiffWave es un vocoder neuronal y sintetizador de formas de onda rápido y de alta calidad.

Confucius4-TTS: un motor de síntesis de voz (TTS) multilingüe y translingüe de disparo cero (zero-shot).

Asistente de voz en tiempo real: streaming WebRTC, ASR faster-whisper, LLM local, TTS Vui Nano (300M). Compatible con la API Realtime de OpenAI. Clonación de voz, interrupción (barge-in), ~9x tiempo real en una 4090. Licencia Apache 2.0.

Thorsten-Voice: Una voz TTS en alemán de alta calidad, gratuita y sin conexión, diseñada para utilizarse en cualquier proyecto sin complicaciones de licencia.

Artículos de INTERSPEECH 2023-2024: Una colección completa de artículos de investigación influyentes y destacados de la conferencia INTERSPEECH 2023-24. Explora los últimos avances en procesamiento de voz y lenguaje. Incluye código.