text-to-speech

Générez des vidéos courtes en haute définition à partir d'un sujet ou d'un mot-clé grâce à un flux de travail automatisé basé sur des modèles d'IA.

Interface locale pour exécuter et entraîner des LLM et des modèles de diffusion, incluant Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX et plus encore.

1 minute de données vocales suffit pour entraîner un bon modèle TTS ! (clonage vocal en quelques exemples)

Premier système de production vidéo agentique open source au monde. 12 pipelines de production, plus de 100 outils, plus de 700 compétences d'agents et fichiers de connaissances de production. Transformez votre assistant de codage IA en un studio de production vidéo complet.

🐸💬 - Une boîte à outils de deep learning pour la synthèse vocale (Text-to-Speech), éprouvée en recherche et en production.

Un modèle de synthèse vocale générative pour le dialogue quotidien.

Clonage vocal instantané par le MIT et MyShell. Modèle de fondation audio.

🚀 Clonez une voix en 5 secondes pour générer n'importe quel discours en temps réel.

VoxCPM2 : TTS sans tokenizer pour la génération de parole multilingue, la conception de voix créatives et le clonage vocal réaliste.

Système de synthèse vocale (TTS) Zero-Shot efficace et contrôlable de niveau industriel

Modèle multilingue de génération vocale à grande échelle, offrant des capacités complètes d'inférence, d'entraînement et de déploiement.

Un modèle TTS capable de générer des dialogues ultra-réalistes en un seul passage.

Traduire une vidéo d'une langue à une autre et intégrer le doublage et les sous-titres.

Leon est votre assistant personnel open source.

VoiceStudio est l'alternative open source et entièrement locale à ElevenLabs : clonage vocal, design vocal, doublage vidéo, dictée, transcription et création de livres audio en 646 langues.

Transcription, synthèse vocale, diarisation, amélioration de la parole, séparation de sources et VAD utilisant la nouvelle génération de Kaldi avec onnxruntime, sans connexion Internet. Supporte les systèmes embarqués, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, serveurs x86_64, client/serveur websocket, et 12 langages de programmation.

TTS multilingue ultra-rapide fonctionnant localement sur l'appareil via ONNX.

Interface Web Gradio pour créateurs et développeurs, intégrant des fonctionnalités clés de TTS (Edge-TTS, kokoro) et de clonage vocal zero-shot (E2 & F5-TTS, CosyVoice), avec traitement audio Whisper, téléchargement YouTube, isolation vocale Demucs et traduction multilingue.

Utilisez le service de synthèse vocale en ligne de Microsoft Edge depuis Python sans avoir besoin de Microsoft Edge, de Windows ou d'une clé API.

Amphion est une boîte à outils pour la génération audio, musicale et vocale. Son objectif est de soutenir la recherche reproductible et d'aider les chercheurs et ingénieurs débutants à se lancer dans la recherche et le développement liés à la génération audio, musicale et vocale.

Boîte à outils de traitement de la parole de bout en bout

EmotiVoice 😊 : un moteur TTS multi-voix contrôlé par prompts

Une bibliothèque de synthèse vocale (TTS), de reconnaissance vocale (STT) et de conversion parole-à-parole (STS) basée sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.

Bibliothèque de synthèse vocale multilingue de haute qualité par MyShell.ai. Supporte l'anglais, l'espagnol, le français, le chinois, le japonais et le coréen.

eSpeak NG est un synthétiseur vocal open source prenant en charge plus d'une centaine de langues et d'accents.

IA vocale embarquée pour Apple Silicon

StyleTTS 2 : Vers une synthèse vocale de niveau humain grâce à la diffusion de style et à l'entraînement antagoniste avec de grands modèles de langage vocal

Ce dépôt contient des ressources sélectionnées sur le Prompt Engineering, avec un accent sur Generative Pre-trained Transformer (GPT), ChatGPT, PaLM, etc.

Silero Models : modèles de synthèse vocale pré-entraînés rendus extrêmement simples.

Transformez votre PC, Mac ou machine Linux en serveur d'IA. Inférence LLM, interface de chat, voix, agents, workflows, RAG et génération d'images.