tts

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.

🧸 Lobe Vidol: haciendo que los ídolos virtuales sean accesibles para todos

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

Convierta un archivo epub o de texto en un audiolibro

Centro de investigación de IA de audio: artículos, modelos abiertos, puntos de referencia y conjuntos de datos sobre LLMs de audio, reconocimiento de voz, TTS, música y generación de audio.

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

Un sistema TTS fundamental potenciado por LLM de código abierto

Caja de herramientas de algoritmos de IA offline gratuita para Java, que admite reconocimiento facial, detección de vida, reconocimiento de expresiones, detección de objetos, segmentación de instancias, detección de peatones, OCR, reconocimiento de matrículas, reconocimiento de tablas, ASR+TTS, traducción automática y más. Se utiliza mediante Maven. Compatible con PyTorch y Tensorflow, e integra modelos como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5) y Whisper.

Un framework de alto rendimiento para servir modelos de ML, que ofrece procesamiento por lotes dinámico y pipelines de CPU/GPU para aprovechar al máximo su equipo de cómputo

Interfaz web para usar XTTS y realizar su ajuste fino.

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

Transforma archivos PDF en podcasts de IA para obtener contenido de audio atractivo sobre la marcha.

Un kit de herramientas fácil de usar para reconocimiento, transcripción y conversión de voz, entre otros

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

La solución de integración de IA más sencilla y de menor costo. Si te gusta este proyecto, por favor dale una estrella~

SumatraPDF fork: Chinese EPUB/MOBI, smart PDF dark mode, OCR, TTS, offline dictionary.

Voxtral ASR & TTS ejecutándose de forma nativa y en el navegador. Una implementación en Rust del ASR/TTS en tiempo real de Mistral Voxtral mini utilizando el framework Burn ML.

Kokoro en Rust. https://huggingface.co/hexgrad/Kokoro-82M. TTS increíblemente rápido y en tiempo real con la mayor calidad disponible.

Convierte cualquier repositorio de git en un podcast atractivo.

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.

VTuber con IA que utiliza LLM, ASR, TTS, OCR, CV y otras tecnologías para realizar transmisiones en vivo o jugar Minecraft contigo.

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.

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

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

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.

Aprendizaje profundo para el procesamiento de audio

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.