tts

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

🧸 Lobe Vidol - वर्चुअल आइडल को सभी के लिए सुलभ बनाना

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।

NISQA - गैर-हस्तक्षेपी भाषण गुणवत्ता और TTS प्राकृतिकता मूल्यांकन

किसी epub या टेक्स्ट फ़ाइल को ऑडियोबुक में बदलें।

ऑडियो AI अनुसंधान के लिए हब: ऑडियो LLMs, स्पीच रिकग्निशन, TTS, संगीत और ऑडियो जनरेशन पर शोध पत्र, ओपन मॉडल, बेंचमार्क और डेटासेट।

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

एक ओपन-सोर्स LLM-सक्षम फाउंडेशन TTS सिस्टम

Java के लिए मुफ्त ऑफलाइन AI एल्गोरिदम टूलबॉक्स, जो फेस रिकग्निशन, लाइवनेस डिटेक्शन, ऑब्जेक्ट डिटेक्शन, OCR, ASR+TTS और मशीन ट्रांसलेशन जैसे फीचर्स का समर्थन करता है। Maven के माध्यम से उपयोग करने योग्य, PyTorch और Tensorflow के साथ संगत, जिसमें Mtcnn, InsightFace, YOLOv8~v12, PaddleOCR और Whisper जैसे मॉडल शामिल हैं।

एक उच्च-प्रदर्शन ML मॉडल सर्विंग फ्रेमवर्क, जो आपके कंप्यूटिंग संसाधन का पूरी तरह से उपयोग करने के लिए गतिशील बैचिंग और CPU/GPU पाइपलाइन प्रदान करता है

XTTS का उपयोग करने और इसे फ़ाइन-ट्यून करने के लिए Webui

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

चलते-फिरते ऑडियो सामग्री के लिए PDF को AI पॉडकास्ट में बदलें।

वॉयस रिकग्निशन, ट्रांसक्रिप्शन और कन्वर्जन आदि के लिए एक उपयोगकर्ता के अनुकूल टूलकिट।

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

सबसे सरल और सबसे कम लागत वाला AI एकीकरण समाधान। यदि आपको यह प्रोजेक्ट पसंद है, तो कृपया इसे एक स्टार दें~

SumatraPDF fork: Chinese EPUB/MOBI, smart PDF dark mode, OCR, TTS, offline dictionary.

Voxtral ASR और TTS जो नेटिव और ब्राउज़र में चलते हैं। Burn ML फ्रेमवर्क का उपयोग करके Mistral के Voxtral mini रीयल-टाइम ASR / TTS का एक Rust कार्यान्वयन।

Rust में Kokoro। https://huggingface.co/hexgrad/Kokoro-82M यह उच्च गुणवत्ता वाला बेहद तेज़ और रियल-टाइम TTS है।

किसी भी git रिपॉजिटरी को एक आकर्षक पॉडकास्ट में बदलें

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

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

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

AI VTuber जो LLM, ASR, TTS, OCR, CV और अन्य तकनीकों के साथ लाइव स्ट्रीम करने या आपके साथ Minecraft खेलने में सक्षम है।

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

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।

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

ऑडियो प्रोसेसिंग के लिए डीप लर्निंग

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।