text-to-speech

Genera videos cortos en HD a partir de un tema o palabra clave con un flujo de trabajo de IA automatizado.

Interfaz de usuario local para ejecutar y entrenar LLMs y modelos de difusión, incluyendo Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX y más.

¡1 minuto de datos de voz es suficiente para entrenar un buen modelo TTS! (clonación de voz con pocos ejemplos)

El primer sistema de producción de video agéntico y de código abierto del mundo. 12 tuberías de producción, más de 100 herramientas, más de 700 habilidades de agentes y archivos de conocimiento de producción. Convierte tu asistente de código de IA en un estudio completo de producción de video.

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

Un modelo de voz generativa para el diálogo diario.

Clonación de voz instantánea por MIT y MyShell. Modelo base de audio.

🚀 Clona una voz en 5 segundos para generar voz arbitraria en tiempo real

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

Un sistema de texto a voz zero-shot eficiente y controlable a nivel industrial

Modelo de generación de voz grande multilingüe, que proporciona capacidad de pila completa para inferencia, entrenamiento y despliegue.

Un modelo TTS capaz de generar diálogos ultrarealistas en una sola pasada.

Traduce el video de un idioma a otro e incorpora doblaje y subtítulos.

🧠 Leon es su asistente personal de código abierto.

VoiceStudio es la alternativa a ElevenLabs de código abierto y totalmente local: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.

Conversión de voz a texto, de texto a voz, diarización de hablantes, mejora de voz, separación de fuentes y VAD utilizando la nueva generación de Kaldi con onnxruntime sin conexión a Internet. Soporta sistemas embebidos, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, servidores x86_64, servidor/cliente websocket y 12 lenguajes de programación.

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

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.

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

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.

Biblioteca de conversión de texto a voz multilingüe de alta calidad de MyShell.ai. Compatible con inglés, español, francés, chino, japonés y coreano.

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

IA de voz en el dispositivo para Apple Silicon.

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

Este repositorio contiene recursos seleccionados manualmente para la ingeniería de prompts, con un enfoque en Generative Pre-trained Transformer (GPT), ChatGPT, PaLM, etc.

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

Convierte tu PC, Mac o equipo Linux en un servidor de IA. Inferencia de LLM, interfaz de chat, voz, agentes, flujos de trabajo, RAG y generación de imágenes.