tts

Lector de libros electrónicos multiplataforma impulsado por IA con búsqueda semántica, chat RAG, almacenamiento vectorial local, notas, TTS y sincronización WebDAV.

Herramienta de texto a voz de código abierto, compatible con textos muy largos y doblaje multirrol

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

Convertidor de EPUB a audiolibro, optimizado para Audiobookshelf, incluye WebUI

Juguetes de IA de voz en tiempo real con más de 100 modelos en Arduino ESP32 con WebSockets seguros y Edge Functions para compañeros y dispositivos de IA

Control de Yandex.Station y otros dispositivos de hogar inteligente con Alice desde Home Assistant

Text-To-Speech, RAG y LLMs. ¡Todo local!

Flujo de trabajo a APLICACIÓN, Compartir pantalla y Vídeo flotante, GPT y 3D, Reconocimiento de voz y TTS

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

Una herramienta CLI de texto a voz que utiliza el modelo Kokoro, compatible con múltiples idiomas, voces (con mezcla) y varios formatos de entrada, incluidos libros EPUB y documentos PDF.

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

Bailing es un robot de conversación por voz similar a GPT-4o, implementado mediante ASR+LLM+TTS, que integra modelos avanzados como DeepSeek R1 y openClaw. Es un asistente de voz personal real con una latencia de hasta 800 ms, ejecutable en equipos de bajos recursos como Mac y con soporte para interrupciones.

🚀 Empleado de generación de video totalmente automatizado por IA | Your First AIGC Coworker. Chat an Idea. Get a Film. 🦞

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.

Convierte un tema en un video explicativo o publicitario estilo Vox con collage de papel, automatizado de principio a fin en Atlas Cloud + ffmpeg. Una habilidad de agente.

Un motor de inferencia de alto rendimiento para modelos de IA

Conoce a Ava, el agente de WhatsApp

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.

Amica es una interfaz de código abierto para la comunicación interactiva con personajes 3D mediante síntesis de voz y reconocimiento de voz.

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

Aplicación de asistente Dicio para Android

Ejecuta LLMs locales como llama, deepseek-distill, kokoro y otros directamente en tu navegador.

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.