text-to-speech

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

Plataforma de voz de IA de código abierto. Alternativa autohospedada a Vapi y Retell. En local (On Prem), BYOK para conversión de voz a voz o LLM/STT/TTS, con un creador visual de flujos de trabajo, compatibilidad nativa con MCP y telefonía

Herramienta de localización de video con IA de código abierto: automatiza la descarga de videos de YouTube/Bilibili, reconocimiento y traducción de subtítulos, clonación de voz y doblaje, mezcla de pistas de audio y subtitulado integrado.

Contenedor Docker compatible con la API de OpenAI para el modelo de conversión de texto a voz Kokoro-82M con PyTorch multiplataforma para CPU, AMD y GPU NVIDIA; múltiples locutores, mezcla de voces, unión automática, marcas de tiempo en subtítulos, SSML y una interfaz web de lectura.

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

La biblioteca de Python para comunicación en tiempo real

Una implementación casi en tiempo real de Whisper de OpenAI.

Modelo fundacional para TTS expresivo y de aspecto humano

MOSS‑TTS Family es una familia de modelos de código abierto para la generación de voz y sonido de MOSI.AI y el equipo OpenMOSS. Está diseñada para escenarios del mundo real complejos, de alta fidelidad y gran expresividad, que abarcan voz larga y estable, diálogo multilocutor, diseño de voz y personajes, efectos de sonido ambiental y TTS en streaming en tiempo real.

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)

Una herramienta de conversión de voz simple y de alta calidad, enfocada en la facilidad de uso y el rendimiento.

Una WebUI única en Gradio + React con extensiones para ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T y Bark.

El SDK oficial de Python para la API de ElevenLabs.

[AutoArk] ¡GPA (Audio de Propósito General) puede hacer reconocimiento de voz (ASR), síntesis de voz (TTS) y conversión de voz con un modelo diminuto!

aeneas es una biblioteca de Python/C y un conjunto de herramientas para sincronizar automáticamente audio y texto (también conocido como alineación forzada)

Modelo de voz (TTS) MARS5 de CAMB.AI

Biblioteca de Python y herramienta de línea de comandos para interactuar con la API de conversión de texto a voz de Google Translate

🚀 Despliegue con un solo clic (incluye paquete sin conexión). Basado en ChatTTS, soporta salida en streaming, extracción de voces, generación de audio largo y lectura por roles. Fácil de usar, sin instalaciones complejas.

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

Síntesis de texto a voz sin conexión para Python

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

Un tiempo de ejecución de voz en tiempo real que mantiene a los agentes hablando, trabajando y presentes. Tiempo de ejecución de voz en tiempo real para agentes de IA

Implementación en PyTorch de VALL-E (Texto a voz de disparo cero), Demo reproducida https://lifeiteng.github.io/valle/index.html

Motor de inferencia todo en uno escrito en C++ puro para modelos de audio, basado en ggml. Admite TTS, STT, VAD, conversión de voz, generación de música y más, con un rendimiento altamente optimizado y sin dependencias de Python.

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

Endpoint de API de texto a voz gratuito y de alta calidad para reemplazar OpenAI, Azure o ElevenLabs

IA multimodal en tiempo real y en el dispositivo con funciones similares a GPT-Live

Toolkit de producción de video nativo de IA para Claude Code