tts

Una interfaz web nativa y sencilla que utiliza ChatTTS para sintetizar texto en voz, con soporte para ofrecer interfaces de API externas.

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

🤖 wukong-robot es un proyecto de robot de diálogo de voz en chino / altavoz inteligente simple, flexible y elegante. Admite la capacidad de conversación de múltiples turnos de ChatGPT y puede ser el primer proyecto de altavoz inteligente de código abierto que admite la interacción cerebro-computadora.

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

Hacia voz con sonido natural

Herramienta de síntesis de voz de Microsoft, construida con Electron, Vue, ElementPlus y Vite

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

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

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.

Un motor de video AIGC de propósito general: desde el guion hasta la película terminada en un solo flujo de trabajo — dramas, anuncios, videos de productos, juegos otome y más.

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

Sistema de texto a voz de código abierto construido mediante la inversión de Whisper.

Esta es una aplicación TTS para el sistema Android, con interfaz de demostración de Microsoft integrada, solicitudes HTTP personalizables, importación de otros motores TTS locales, lectura con reconocimiento simple de narración/diálogo basado en comillas dobles chinas, reintento automático, configuración de respaldo, reemplazo de texto y más funciones.

MOSS-TTS-Nano es un modelo de generación de voz multilingüe pequeño y de código abierto de MOSI.AI y el equipo de OpenMOSS. Con solo 0.1B de parámetros, está diseñado para la generación de voz en tiempo real, puede ejecutarse directamente en la CPU sin GPU y mantiene la pila de implementación lo suficientemente simple para demostraciones locales, servicios web y la integración de productos ligeros.

Modelo fundacional para TTS expresivo y de aspecto humano

: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)

Streamer-Sales: Un LLM para streamers de ventas que genera explicaciones de productos para incentivar la compra. Incluye flujo de datos, aceleración de inferencia con LMDeploy, RAG, TTS, generación de avatares digitales, agentes con búsqueda web, ASR, frontend en Vue, backend en FastAPI y despliegue con Docker-compose.

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.

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

OpenCTP proporciona interfaces compatibles con CTP API para diversos canales de trading (XTP, TORA, OST, EMT, TWS, TAP, QDP), permitiendo la integración fluida de programas CTP con múltiples plataformas bursátiles. Incluye un entorno de simulación basado en TTS para trading cuantitativo 24/7.

Lingvo.

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

FLUX, Stable Diffusion, SDXL, SD3, LoRA, Fine Tuning, DreamBooth, Training, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Animation, Text To Video, Tutorials, Guides, Lectures, Courses, ComfyUI, Google Colab, RunPod, Kaggle, NoteBooks, ControlNet, TTS, Voice Cloning, AI, AI News, ML, ML News, News, Tech, Tech News, Kohya, Midjourney, RunPod

TTS con kokoro y onnx runtime

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

🤖️ Aplicación multiplataforma de práctica de idiomas con IA

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

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