text-to-speech

विभिन्न ऑडियो-संबंधित Neural Networks के लिए एक webui

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

Apple के Foundation Models फ्रेमवर्क के साथ ऐप्स बनाने, परीक्षण करने और मूल्यांकन करने के लिए एक व्यावहारिक लैब।

वास्तविक समय में संवादात्मक ऑडियो स्ट्रीम करने में सक्षम TTS मॉडल

Apple Silicon के लिए AI स्पीच टूलकिट — MLX और CoreML द्वारा संचालित ASR, TTS, स्पीच-टू-स्पीच, VAD और डायराइजेशन

SGLang-Omni, TTS, ASR, स्पीच और ओम्नी मॉडल के लिए उच्च-प्रदर्शन सर्विंग को सक्षम बनाता है।

आपके ऐप के लिए सेल्फ-कोडिंग सिस्टम — Cordova के लिए Alan AI SDK

ओपन-सोर्स वॉयस-AI SDK। उन बिल्डर्स के लिए Vapi/Retell विकल्प जो स्टैक के मालिक बनना चाहते हैं। अपने AI एजेंट को 4 लाइनों में फोन नंबर दें — Python और TypeScript, MIT लाइसेंस प्राप्त, Twilio, Telnyx और Plivo।

Cognitive Services का हिस्सा, कई भाषाओं में Microsoft Text-to-Speech API सैंपल कोड।

AI-संचालित मल्टी-वॉयस ऑडियोबुक जनरेटर — LLM स्क्रिप्ट एनोटेशन, वॉयस क्लोनिंग, वॉयस डिज़ाइन, LoRA ट्रेनिंग, प्रति-लाइन स्टाइल नियंत्रण, और MP3, चैप्टर वाले M4B या Audacity मल्टी-ट्रैक में निर्यात। Qwen3-TTS पर निर्मित

NISQA - गैर-हस्तक्षेपी भाषण गुणवत्ता और TTS प्राकृतिकता मूल्यांकन

एक शक्तिशाली 3B-पैरामीटर, LLM-आधारित रीइन्फोर्समेंट लर्निंग ऑडियो एडिट मॉडल, जो भावना, बोलने की शैली और पैरालिंग्विस्टिक्स को एडिट करने में उत्कृष्ट है, और इसमें मजबूत ज़ीरो-शॉट टेक्स्ट-टू-स्पीच की सुविधा है।

Botium Speech Processing

Azure नेचुरल TTS वॉयस को किसी भी SAPI 5-संगत एप्लिकेशन के लिए सुलभ बनाएं।

PHP के लिए Vonage REST API क्लाइंट। SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) और अन्य के लिए API समर्थन।

एक ओपन-सोर्स LLM-सक्षम फाउंडेशन TTS सिस्टम

Elite Dangerous के लिए कैप्टन लॉग और 3D स्टार मैप।

DiffWave एक तेज़, उच्च-गुणवत्ता वाला न्यूरल वोकोडर और वेवफॉर्म सिंथेसाइज़र है।

तेज़ टेक्स्ट-टू-स्पीच जनरेशन के लिए C/C++ में Suno AI का Bark मॉडल।

बिना ROOT के Android के लिए ओपन-सोर्स रीयल-टाइम स्क्रीन ट्रांसलेटर, जो गेम, विज़ुअल नॉवेल और मंगा के लिए उपयुक्त है। यह ऑन-डिवाइस और क्लाउड OCR, ऑफ़लाइन LLM, विभिन्न अनुवाद सेवाओं और TTS का समर्थन करता है।

एक हल्का, ऑफ़लाइन Android टेक्स्ट-टू-स्पीच (TTS) इंजन जो निर्बाध सिस्टम-व्यापी वॉयस क्लोनिंग और उच्च-निष्ठा टेक्स्ट रीडिंग को सक्षम बनाता है।

ऑडियोबुक-गुणवत्ता वाले टेक्स्ट-टू-स्पीच के साथ टर्मिनल ईबुक रीडर - EPUB, PDF, DOCX, HTML, RTF, TXT और MD को सपोर्ट करता है।

Speech to Text to Speech। गाना अभी चल रहा है। अवतार पर प्रदर्शित करने के लिए टेक्स्ट को OSC संदेशों के रूप में VRChat पर भेजता है। (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

🎤 Lobe TTS - सर्वर और ब्राउज़र के लिए एक उच्च-गुणवत्ता और विश्वसनीय TTS/STT लाइब्रेरी

ओपन-सोर्स, लोकल-फर्स्ट वीडियो एडिटर जहाँ क्रिएटर और AI एजेंट एक ही वास्तविक टाइमलाइन को एडिट करते हैं।

Confucius4-TTS: एक बहुभाषी और क्रॉस-लिंगुअल ज़ीरो-शॉट TTS इंजन

Ollama, Hugging Face Transformers और Coqui TTS टूलकिट द्वारा संचालित आकर्षक बातचीत के लिए लोकल वॉयस चैटबॉट।

Apple Silicon पर MLX के साथ ऑडियो प्रोसेसिंग के लिए एक मॉड्यूलर Swift SDK

रीयल-टाइम वॉयस असिस्टेंट — WebRTC स्ट्रीमिंग, faster-whisper ASR, लोकल LLM, Vui Nano (300M) TTS। OpenAI रीयल-टाइम API संगत। वॉयस क्लोनिंग, बार्ज-इन, 4090 पर ~9× रीयल-टाइम। Apache 2.0।

ब्राउज़र के लिए टेक्स्ट-टू-स्पीच के साथ ऑगमेंटेटिव और अल्टरनेटिव कम्युनिकेशन (AAC) सिस्टम