text-to-speech

Flutter टेक्स्ट-टू-स्पीच पैकेज

🔊 Kokoro Web: मुफ्त AI टेक्स्ट-टू-स्पीच, ऑनलाइन या सेल्फ-होस्टेड, OpenAI के साथ संगत!

Rapida एक ओपन-सोर्स, एंड-टू-एंड वॉयस AI ऑर्केस्ट्रेशन प्लेटफ़ॉर्म है, जो ऑडियो स्ट्रीमिंग, STT, TTS, VAD, मल्टी-चैनल इंटीग्रेशन, एजेंट स्टेट मैनेजमेंट और ऑब्जर्वेबिलिटी के साथ रीयल-टाइम संवादात्मक वॉयस एजेंट बनाने के लिए है।

OBS, VRChat, Twitch चैट और Discord के लिए स्पीच टू टेक्स्ट और KB इनपुट कैप्शन

Pytorch में MetaAI से Voicebox, नए SOTA Text-to-speech नेटवर्क का कार्यान्वयन

न्यूज़लेटर्स को दैनिक YouTube वीडियो में बदलने के लिए मोशन ग्राफिक्स और टेक्स्ट-टू-स्पीच सिंथेसिस का उपयोग करने वाला पूरी तरह से स्वचालित वीडियो मेकर।

Android के लिए OpenAI Whisper और TensorFlow Lite के साथ ऑफ़लाइन वाक् पहचान (Speech Recognition)

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)।

📚 एक कस्टमाइज़ करने योग्य डिक्शनरी एक्सटेंशन जो 20+ भाषाओं, 1000+ शब्दकोशों, टेक्स्ट-टू-स्पीच, अनुवाद और Anki एकीकरण में डबल-क्लिक लुकअप को सपोर्ट करता है।

LLaSA: LLaMA-आधारित स्पीच सिंथेसिस के लिए ट्रेन-टाइम और इन्फेरेंस-टाइम कंप्यूट को स्केल करना

MLX में F5-TTS का कार्यान्वयन।

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।

TikTok TTS API के साथ इंटरैक्ट करने के लिए सरल Python स्क्रिप्ट

VibeVoice TTS के लिए ComfyUI कस्टम नोड। अभिव्यंजक, लंबे-फॉर्म, मल्टी-स्पीकर संवादात्मक ऑडियो

आपके ऐप के लिए सेल्फ-कोडिंग सिस्टम — React Native के लिए Alan AI SDK।

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।

Mac (M1/M2/M3/M4) पर स्थानीय रूप से Qwen3-TTS टेक्स्ट-टू-स्पीच चलाएं। वॉयस क्लोनिंग, वॉयस डिज़ाइन, कस्टम वॉयस। MLX का उपयोग करके 100% ऑफ़लाइन।

🔥🔥🔥 LLMs-आधारित मल्टीमॉडल जनरेशन (इमेज, वीडियो, 3D और ऑडियो) पर शोध पत्रों की एक क्यूरेटेड सूची।

pytorch में vits2-TTS का अनौपचारिक कार्यान्वयन

LM Studio के साथ Orpheus 3B को स्थानीय रूप से चलाएं

AI Plugin, Payload CMS के लिए एक शक्तिशाली एक्सटेंशन है, जो सामग्री निर्माण और प्रबंधन को बढ़ाने के लिए उन्नत AI क्षमताओं को एकीकृत करता है।

macOS के लिए बिजली की गति वाला, मुफ्त, लोकल-फर्स्ट वॉयस डिक्टेशन, ऑन-डिवाइस ट्रांसक्रिप्शन के साथ

ComfyUI के लिए OmniVoice TTS नोड्स - वॉयस क्लोनिंग, वॉयस डिज़ाइन और मल्टी-स्पीकर डायलॉग के साथ ज़ीरो-शॉट बहुभाषी टेक्स्ट-टू-स्पीच।

Elite Dangerous के लिए साथी एप्लिकेशन

Pytorch में E2-TTS, "Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS" का कार्यान्वयन

एक वियतनामी वॉयस क्लोनिंग टेक्स्ट-टू-स्पीच मॉडल।

ओपन सोर्स, लोकल और सेल्फ-होस्टेड अत्यधिक अनुकूलित लैंग्वेज इन्फरेंस सर्वर, जो WebRTC, REST और WS पर ASR/STT, TTS और LLM का समर्थन करता है।

अत्यधिक अभिव्यंजक स्पीच और यथार्थवादी ज़ीरो-शॉट वॉयस क्लोनिंग के लिए ComfyUI नोड

An open-source read-along document reader server with high-quality TTS options, synchronized highlighting, and audiobook export for EPUB, PDF, DOCX, TXT, and MD.