tts

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)

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

LocalAI es el motor de IA de código abierto. Ejecuta cualquier modelo (LLM, visión, voz, imagen, video) en cualquier hardware. No requiere GPU.

🐸💬 - 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

TTS de código abierto de última generación (SOTA)

Motor de videos cortos totalmente automatizado por IA

Mastra es el framework moderno de TypeScript para aplicaciones y agentes impulsados por IA.

Readest es un lector de libros electrónicos moderno y rico en funciones, diseñado para lectores ávidos, que ofrece acceso multiplataforma fluido, herramientas potentes y una interfaz intuitiva para mejorar tu experiencia de lectura.

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.

¡Genera audiolibros a partir de libros electrónicos, clonación de voz y más de 1158 idiomas!

🌈 Un software multiplataforma para traducción de texto y reconocimiento OCR.

Un framework de IA generativa escalable creado para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grande, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Text-to-Speech)

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.

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.

Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje autosupervisado, ASR de transmisión/SOTA con puntuación, TTS de transmisión con interfaz de texto, sistema de verificación de hablantes, traducción de voz de extremo a extremo y detección de palabras clave. Ganador del premio al mejor demo en NAACL2022.

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

Herramienta de traducción y doblaje de video con IA para humanos y Agentes de IA, impulsada por LLMs. Pipeline completo: descarga, transcripción, traducción, doblaje por TTS, reformateo y generación de portadas. Más de 100 idiomas, optimizado para YouTube, TikTok, Bilibili, Douyin y más.

Voz a texto, reconocimiento de intenciones y texto a voz de muy baja latencia para construir agentes e interfaces de voz.

Plataforma de ingeniería de agentes de IA construida sobre un framework de agentes de IA de código abierto en TypeScript

Backbone vits2 con multilingual-bert.

EmotiVoice 😊: Un motor TTS multi-voz y controlado por avisos

Genera audiolibros a partir de libros electrónicos

Open Vision Agents de Stream. Crea agentes de voz y visión rápidamente con cualquier modelo o proveedor de video. Utiliza la red perimetral de Stream para una latencia ultrabaja.