chatterbox

PALLAIDIUM - एक जनरेटिव AI मूवी स्टूडियो, जो Blender Video Editor (VSE) में सहज रूप से एकीकृत है, जो स्क्रिप्ट से स्क्रीन और वापस तक एंड-टू-एंड प्रोडक्शन को सक्षम बनाता है।

शक्तिशाली Chatterbox TTS मॉडल को सेल्फ-हॉस्ट करें। यह सर्वर एक उपयोगकर्ता के अनुकूल Web UI, लचीले API एंडपॉइंट (OpenAI संगत सहित), पूर्वनिर्धारित आवाज़ें, वॉयस क्लोनिंग, और बड़े ऑडियोबुक-स्केल टेक्स्ट प्रोसेसिंग प्रदान करता है। NVIDIA (CUDA), AMD (ROCm), और CPU पर त्वरित रूप से चलता है।

स्थानीय मल्टी-इंजन मल्टी-लैंग्वेज टेक्स्ट-टू-स्पीच और वॉयस कन्वर्जन के लिए एक ComfyUI कस्टम नोड इंटीग्रेशन। समर्थित: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (क्लासिक और बहुभाषी), F5-TTS, Higgs Audio 2, 3, और असीमित टेक्स्ट लंबाई, SRT टाइमिंग, कैरेक्टर सपोर्ट और कई ऑडियो टूल के साथ VibeVoice

Chatterbox का उपयोग करने वाला लोकल, OpenAI-compatible टेक्स्ट-टू-स्पीच (TTS) API, जो उपयोगकर्ताओं को कहीं भी वॉयस क्लोन स्पीच जेनरेट करने की अनुमति देता है जहाँ OpenAI API का उपयोग किया जाता है (जैसे Open WebUI, AnythingLLM, आदि)।

PDF और EPUB को ऑडियोबुक में बदलें; सबटाइटल या वीडियो को डब किए गए वीडियो (अनुवाद सहित) में बदलें, और भी बहुत कुछ। मुफ्त में। Pandrator स्थानीय मॉडल का उपयोग करता है, जिसमें वॉयस-क्लोनिंग (इंस्टेंट, RVC-एन्हांस्ड, XTTS फाइन-ट्यूनिंग) और LLM प्रोसेसिंग शामिल है। यह GUI, इंस्टॉलर और ऑल-इन-वन पैकेज के साथ एक उपयोगकर्ता के अनुकूल ऐप बनने की आकांक्षा रखता है।

Chatterbox का संशोधित संस्करण जो इनपुट के रूप में टेक्स्ट फ़ाइलों को स्वीकार करता है और इसमें कोई वर्ण प्रतिबंध नहीं है। मैं इसका उपयोग ऑडियोबुक बनाने के लिए करता हूँ, विशेष रूप से अपने बच्चों के लिए।