tts

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.

Restauración general de voz.

Una herramienta (para Windows) que permite grabar la síntesis de voz (TTS) del navegador Microsoft Edge y exportarla como audio .wav.

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

Conversaciones de voz naturales con Claude Code.

Plataforma de gestión empresarial Java para XiaoZhi ESP32, que ofrece una solución integral de backend y frontend para monitoreo de dispositivos, personalización de voz, cambio de roles y gestión de registros de diálogo.

Traducción al pasar el ratón para cualquier idioma - Extensión de Chrome: traductor de PDF, EBOOK, EPUB, OCR, TTS, NETFLIX, SUBTÍTULOS DUALES DE YOUTUBE, GOOGLE DOCS, IA, VISOR, GMAIL, ESCRITURA, IMAGEN, SUBTÍTULOS DUALES, MANGA, HOVER, DICCIONARIO, WEBTOON, EDGE, JAPONÉS, INGLÉS.

Humano digital interactivo en tiempo real, con apariencia y voz personalizables, soporte para clonación de voz y una latencia de respuesta de hasta 3 segundos.

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

Traducción de voz en tiempo real para macOS y Windows, TTS gratuito, sin servidor, solo usa tus propias claves API

Interfaz web para diversas redes neuronales relacionadas con audio.

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

TTS de mejores prácticas basado en BERT y VITS con características de Natural Speech de Microsoft; ¡soporta salida de streaming ONNX!

Motor de conversión de texto a voz en chino

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.

Traducción de voz bidireccional en tiempo real para reuniones bilingües: detecta automáticamente el idioma hablado y traduce en ambas direcciones, ya sea en la nube o completamente offline en el dispositivo. Disponible para escritorio (Windows, macOS, Linux) y extensiones de navegador (Chrome, Edge) para Zoom, Meet, Teams y cualquier aplicación.

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

Irina: un asistente de voz en ruso para trabajar sin conexión. Admite habilidades mediante complementos.

Bibliotecas de inferencia en C++ para múltiples SVC/TTS.

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

VTuber con IA para streaming en YouTube/Twitch.

NobodyWho es un motor de inferencia que permite ejecutar LLMs local y eficientemente en cualquier dispositivo.

GLM-TTS: TTS zero-shot controlable y con expresión emocional mediante aprendizaje por refuerzo con múltiples recompensas

Con un solo comando, crea un audiolibro con sonido natural a partir de una variedad de formatos de entrada (epub, mobi, txt, PDF, HTML y más).

API gratuita de texto a voz en línea

YourTTS: hacia un TTS multihablante Zero-Shot y conversión de voz Zero-Shot para todos.

Una API HTTP simple para VITS, desarrollada extendiendo Moegoe con funcionalidades adicionales.

Código de ejemplo de la API de Text-to-Speech de Microsoft en varios lenguajes, parte de Cognitive Services.