text-to-speech

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

El sistema de autoprogramación para tu aplicación — Alan AI SDK para Android

Motor de inferencia y convertidor de modelos ONNX para GPT-SoVITS

El sistema de autocodificación para tu aplicación: Alan AI SDK para Flutter.

Traduce automáticamente el texto de un video según un archivo de subtítulos y luego utiliza servicios de voz con IA para crear una nueva pista de audio doblada y traducida con el habla sincronizada utilizando los tiempos de los subtítulos.

Una excelente extensión de navegador que lee en voz alta el contenido de las páginas web con un solo clic

Forma declarativa de ejecutar modelos de IA en React Native en el dispositivo, impulsada por ExecuTorch.

El sistema de autocodificación para su aplicación: SDK de Alan AI para Ionic.

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.

Tema → Video narrado en 4K para agentes de codificación. v4.0: todo el TTS a través del componente del motor ttsCN (11 plataformas incluyendo clonación de voz MiniMax, sincronización nativa de subtítulos a nivel de palabra), motor de activos basado en manifiestos, composición Remotion, generación de IA con control de costos.

Servidor oficial del Protocolo de Contexto de Modelo (MCP) de MiniMax que permite la interacción con potentes API de texto a voz, generación de imágenes y generación de video.

Servidor de inferencia LLM de alto rendimiento compatible con OpenAI y Anthropic para Apple Silicon. Incluye MLX nativo, procesamiento por lotes continuo, modelos multimodales, llamadas a herramientas MCP y soporte para Claude Code.

Una integración completa de ComfyUI para el modelo de texto a voz VibeVoice de Microsoft, que permite la síntesis de voz de alta calidad para uno o varios hablantes directamente dentro de tus flujos de trabajo de ComfyUI.

Soprano: conversión de texto a voz instantánea y ultrarrealista

Habla con tu Mac, consulta tus documentos, sin necesidad de la nube. IA de voz en el dispositivo + RAG.

Talking Head (3D): Una clase de JavaScript para sincronización de labios en tiempo real usando avatares 3D de cuerpo completo.

Una aplicación de Python/Pytorch para sintetizar voces humanas fácilmente

Interfaz para modelos OuteTTS.

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.

Speech-AI-Forge es un proyecto desarrollado en torno a un modelo de generación TTS, que implementa un servidor API y una interfaz web basada en Gradio.

Traducción sincronizada para videos. Doblaje de video

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

Ajuste fino de LLM en tu Mac con Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding y ajuste fino de OCR, de forma nativa en MLX. API compatible con Unsloth.

[ICASSP 2024] 🍵 Matcha-TTS: Una arquitectura de TTS rápida con conditional flow matching.

[ICLR 2025] Modelos de códec acústico discreto SOTA con 40/75 tokens por segundo para modelado de lenguaje de audio

Motor de inferencia offline para arte, conversaciones de voz en tiempo real, chatbots impulsados por LLM y flujos de trabajo automatizados

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

Interfaz web para diversas redes neuronales relacionadas con audio.

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