tts

🍦 Speech-AI-Forge एक प्रोजेक्ट है जिसे TTS जनरेशन मॉडल के चारों ओर विकसित किया गया है, जो एक API सर्वर और Gradio-आधारित WebUI को लागू करता है।

वीडियो के लिए सिंक्रोनाइज्ड ट्रांसलेशन। वीडियो डबिंग

💎 ASR, TTS और अन्य Speech Technologies के लिए एक्सेसिबल स्पीच कॉर्पोरा की एक सूची

सामान्य भाषण बहाली

एक टूल (Windows प्लेटफ़ॉर्म) जो Microsoft Edge ब्राउज़र की स्पीच सिंथेसिस (TTS) आवाज़ को रिकॉर्ड कर सकता है और इसे .wav ऑडियो के रूप में आउटपुट कर सकता है।

[ICASSP 2024] 🍵 Matcha-TTS: सशर्त प्रवाह मिलान (conditional flow matching) के साथ एक तेज़ TTS आर्किटेक्चर

Claude Code के साथ प्राकृतिक आवाज़ की बातचीत

Xiaozhi ESP32 Java एप्राइज मैनेजमेंट प्लेटफॉर्म, जो डिवाइस मॉनिटरिंग, वॉइस कस्टमाइजेशन, रोल स्विचिंग और चैट लॉग मैनेजमेंट के लिए फ्रंटएंड, बैकएंड और सर्वर-साइड इंटीग्रेटेड सॉल्यूशन प्रदान करता है।

माउसओवर द्वारा किसी भी भाषा का तुरंत अनुवाद - Chrome Extension: PDF Translator, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, AI, VIEWER, GMAIL, WRITING, IMAGE, DUAL SUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPANESE, ENGLISH

रीयल-टाइम वॉयस इंटरैक्टिव डिजिटल ह्यूमन, कस्टमाइज़ करने योग्य रूप और आवाज़, वॉयस क्लोनिंग का समर्थन करता है, जिसमें प्रारंभिक पैकेज विलंबता 3s जितनी कम है।

StreamSpeech ऑफ़लाइन और एक साथ स्पीच रिकग्निशन, स्पीच ट्रांसलेशन और स्पीच सिंथेसिस के लिए एक "ऑल इन वन" सीमलेस मॉडल है।

रीयल-टाइम स्पीच ट्रांसलेशन — macOS और Windows, मुफ़्त TTS, कोई सर्वर नहीं, केवल आपकी API कुंजियाँ

विभिन्न ऑडियो-संबंधित Neural Networks के लिए एक webui

इमोजी-संचालित स्टाइल नियंत्रण के साथ एक Flow Matching-आधारित Text-to-Speech मॉडल

Microsoft की कुछ नेचुरल स्पीच विशेषताओं के साथ BERT और VITS पर आधारित सर्वश्रेष्ठ अभ्यास TTS; ONNX स्ट्रीमिंग आउट का समर्थन करता है!

चीनी टेक्स्ट-टू-स्पीच इंजन

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

द्विभाषी बैठकों के लिए रीयल-टाइम टू-वे स्पीच ट्रांसलेशन — यह बोली जाने वाली भाषा का स्वतः पता लगाता है और दोनों दिशाओं में अनुवाद करता है, क्लाउड या पूरी तरह से ऑफलाइन डिवाइस पर काम करता है। ज़ूम, मीट, टीम्स और किसी भी ऐप के लिए डेस्कटॉप (Windows, macOS, Linux) और ब्राउज़र एक्सटेंशन (Chrome, Edge) उपलब्ध है।

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

इरीना - ऑफ़लाइन काम करने के लिए रूसी वॉयस असिस्टेंट। प्लगइन्स के माध्यम से कौशल का समर्थन करता है।

कई SVC/TTS के लिए C++ इन्फरेंस लाइब्रेरी

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

Youtube/Twitch पर स्ट्रीमिंग के लिए AI Vtuber

NobodyWho एक इन्फरेंस इंजन है जो आपको किसी भी डिवाइस पर स्थानीय रूप से और कुशलतापूर्वक LLMs चलाने की सुविधा देता है।

GLM-TTS: मल्टी-रिवॉर्ड रीइन्फोर्समेंट लर्निंग के साथ कंट्रोलेबल और इमोशन-एक्सप्रेसिव ज़ीरो-शॉट TTS

मुफ्त ऑनलाइन टेक्स्ट-टू-स्पीच API

एक कमांड के साथ, विभिन्न इनपुट फॉर्मेट (epub, mobi, txt, PDF, HTML आदि) से प्राकृतिक ध्वनि वाली ऑडियोबुक बनाएं।

YourTTS: सभी के लिए ज़ीरो-शॉट मल्टी-स्पीकर TTS और ज़ीरो-शॉट वॉयस कन्वर्ज़न की दिशा में।

Moegoe को अतिरिक्त सुविधाओं के साथ विस्तारित करके विकसित एक सरल VITS HTTP API।

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