text-to-speech

Una integración de nodos personalizados para ComfyUI que permite el uso local de motores de conversión de texto a voz y voz a voz en múltiples idiomas. Soporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clásico y multilingüe), F5-TTS, Higgs Audio 2, 3 y VibeVoice, con longitud de texto ilimitada, temporización SRT, soporte de personajes y diversas herramientas de audio.

Laboratorio práctico para construir, probar y evaluar aplicaciones con el framework de modelos fundacionales de Apple.

Modelo de TTS capaz de transmitir audio conversacional en tiempo real.

Kit de herramientas de voz con IA para Apple Silicon: ASR, TTS, voz a voz, VAD y diarización impulsados por MLX y CoreML

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

SGLang-Omni permite un servicio de alto rendimiento para modelos de TTS, ASR, voz y modelos omni.

Estudio de IA local sin censura para Windows, Linux y macOS. Interfaz gráfica sin configuración para generación de imágenes, LLMs GGUF, conversión de texto a voz y de voz a texto.

SDK de voz con IA de código abierto. La alternativa a Vapi/Retell para desarrolladores que desean ser dueños de su stack. Asigna un número de teléfono a tu agente de IA en 4 líneas: Python y TypeScript, bajo licencia MIT, compatible con Twilio, Telnyx y Plivo.

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.

Un potente modelo de edición de audio basado en aprendizaje por refuerzo y LLM de 3B de parámetros, excelente para editar emociones, estilos de habla y paralingüística, con capacidades robustas de texto a voz zero-shot.

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

Procesamiento de voz Botium

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

Cliente de la API REST de Vonage para PHP. Soporte para SMS, voz, texto a voz, números, verificación (2FA) y más.

Un sistema TTS fundamental potenciado por LLM de código abierto

Registro de capitán y mapa estelar 3D para Elite Dangerous.

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

Modelo Bark de Suno AI en C/C++ para una generación rápida de texto a voz.

Lector de libros electrónicos para terminal con conversión de texto a voz de calidad audiolibro. Soporta EPUB, PDF, DOCX, HTML, RTF, TXT y MD.

🎤 Lobe TTS - Una biblioteca de TTS/STT confiable y de alta calidad para servidor y navegador

Conversión de voz a texto y de texto a voz. Envía texto como mensajes OSC a VRChat para mostrarlo en el avatar.

Motor de texto a voz (TTS) ligero y offline para Android que permite la clonación de voz a nivel de sistema y una lectura de alta fidelidad.

Editor de video de código abierto y local-first donde los creadores y agentes de IA editan la misma línea de tiempo real.

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

Herramienta de traducción de pantalla en tiempo real para Android sin necesidad de ROOT, ideal para juegos, novelas visuales y manga. Soporta OCR local y en la nube, LLM offline, múltiples servicios de traducción y síntesis de voz (TTS), con visualización directa sobre la pantalla.

Chatbot de voz local para conversaciones atractivas, impulsado por Ollama, Hugging Face Transformers y Coqui TTS Toolkit

Un SDK modular de Swift para procesamiento de audio con MLX en Apple Silicon.

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.

Sistema de comunicación aumentativa y alternativa (AAC) con conversión de texto a voz para el navegador.