voice-conversion

🐸💬 - Un conjunto de herramientas de aprendizaje profundo para texto a voz (TTS), probado en combate en investigación y producción

¡Entrena fácilmente un buen modelo VC con datos de voz de <= 10 minutos!

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.

Amphion (/æmˈfaɪən/) es un conjunto de herramientas para la generación de audio, música y voz. Su propósito es respaldar la investigación reproducible y ayudar a los investigadores y desarrolladores junior a iniciarse en el campo de la investigación y el desarrollo de la generación de audio, música y voz.

Kit de herramientas de procesamiento de voz de extremo a extremo

Bifurcación (fork) de so-vits-svc con soporte en tiempo real, interfaz mejorada y más funciones.

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

Una herramienta de conversión de voz simple y de alta calidad, enfocada en la facilidad de uso y el rendimiento.

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

🔊 Una lista completa de conjuntos de datos de código abierto para voz y computación de sonido (más de 95 conjuntos de datos).

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.

Selecciona, inicia y gestiona fácilmente tus asistentes digitales de IA preferidos en Android.

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.

AutoVC: Transferencia de estilo de voz Zero-Shot solo con pérdida de autoencoder

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

NISQA - Evaluación no intrusiva de la calidad de voz y naturalitud de TTS

Aprendizaje profundo para el procesamiento de audio

FreeVC: Hacia una conversión de voz one-shot de alta calidad sin texto

Descomposición de voz no supervisada mediante Triple Information Bottleneck

Conversión de voz utilizando solo los vecinos más cercanos.

StarGANv2-VC: un marco de trabajo diverso, no supervisado y no paralelo para la conversión de voz con sonido natural.

Un proyecto de código abierto para unificar el procesamiento y la generación de audio.