text-to-speech

Un synthétiseur vocal libre et open source pour le russe et d'autres langues

Le système d'auto-codage pour votre application — SDK Alan AI pour Android

Moteur d'inférence ONNX et convertisseur de modèles pour GPT-SoVITS.

Le système d'auto-codage pour votre application — SDK Alan AI pour Flutter

Traduit automatiquement le texte d'une vidéo à partir d'un fichier de sous-titres, puis utilise des services vocaux IA pour créer une nouvelle piste audio doublée et traduite, synchronisée avec les timings des sous-titres.

Une extension de navigateur pratique qui lit à haute voix le contenu des pages web en un clic.

Méthode déclarative pour exécuter des modèles d'IA sur appareil dans React Native, propulsée par ExecuTorch.

Le système d'auto-codage pour votre application — SDK Alan AI pour Ionic.

Implémentation non officielle de Parallel WaveGAN (incluant MelGAN, Multi-band MelGAN, HiFi-GAN et StyleMelGAN) avec PyTorch.

Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale, synthèse vocale et traduction automatique hors ligne.

Sujet → Vidéo 4K commentée pour agents de codage. v4.0 : TTS complet via le moteur ttsCN (11 plateformes dont le clonage vocal MiniMax, synchronisation native des sous-titres au niveau du mot), moteur d'actifs basé sur manifeste, composition Remotion, génération IA limitée par les coûts.

Serveur officiel MiniMax Model Context Protocol (MCP) permettant d'interagir avec des API puissantes de synthèse vocale, de génération d'images et de génération de vidéos.

Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. Support natif MLX, traitement par lots continu, modèles multimodaux, appel d'outils MCP et support de Claude Code.

Une intégration complète de ComfyUI pour le modèle de synthèse vocale VibeVoice de Microsoft, permettant une synthèse vocale de haute qualité pour un ou plusieurs locuteurs directement dans vos flux de travail ComfyUI.

Soprano : synthèse vocale instantanée et ultra-réaliste

Interagissez avec votre Mac et interrogez vos documents sans cloud. IA vocale locale et RAG sur appareil.

Talking Head (3D) : Une classe JavaScript pour la synchronisation labiale en temps réel utilisant des avatars 3D complets.

Une application Python/Pytorch pour synthétiser facilement des voix humaines

Interface pour les modèles OuteTTS.

Auto-hébergez le puissant modèle TTS Chatterbox. Ce serveur propose une interface Web conviviale, des points de terminaison API flexibles (compatibles OpenAI), des voix prédéfinies, le clonage vocal et le traitement de texte à grande échelle pour les livres audio. Fonctionne en mode accéléré sur NVIDIA (CUDA), AMD (ROCm) et CPU.

Speech-AI-Forge est un projet articulé autour d'un modèle de génération TTS, implémentant un serveur API et une interface Web basée sur Gradio.

Traduction synchronisée pour vidéos. Doublage vidéo.

Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales.

Fine-tuning de LLM sur Mac avec Apple Silicon. Support natif MLX pour SFT, DPO, GRPO, Vision, TTS, STT, Embedding et OCR. API compatible avec Unsloth.

[ICASSP 2024] 🍵 Matcha-TTS : Une architecture TTS rapide avec appariement de flux conditionnel

[ICLR 2025] Modèles de codec acoustique discret SOTA avec 40/75 jetons par seconde pour la modélisation linguistique audio.

Moteur d'inférence hors ligne pour l'art, les conversations vocales en temps réel, les chatbots basés sur LLM et les flux de travail automatisés.

StreamSpeech est un modèle tout-en-un fluide pour la reconnaissance vocale, la traduction et la synthèse vocale, en mode hors ligne et simultané.

Une interface web pour différents réseaux de neurones liés à l'audio

Modèle de synthèse vocale basé sur le Flow Matching avec contrôle de style piloté par emoji