vits

1 मिनट के वॉयस डेटा का उपयोग करके भी एक अच्छा TTS मॉडल प्रशिक्षित किया जा सकता है! (फ्यू शॉट वॉयस क्लोनिंग)

<= 10 मिनट के वॉयस डेटा के साथ आसानी से एक अच्छा VC मॉडल प्रशिक्षित करें!

SOTA ओपन सोर्स TTS

बिना इंटरनेट कनेक्शन के onnxruntime के साथ नेक्स्ट-जेन Kaldi का उपयोग करके स्पीच-टू-टेक्स्ट, टेक्स्ट-टू-स्पीच, स्पीकर डायराइजेशन, स्पीच एन्हांसमेंट, सोर्स सेपरेशन और VAD। एम्बेडेड सिस्टम, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 सर्वर, वेबसॉकेट सर्वर/क्लाइंट और 12 प्रोग्रामिंग भाषाओं का समर्थन करता है।

Amphion (/æmˈfaɪən/) ऑडियो, म्यूजिक और स्पीच जनरेशन के लिए एक टूलकिट है। इसका उद्देश्य पुनरुत्पादनीय अनुसंधान (reproducible research) का समर्थन करना और नए शोधकर्ताओं व इंजीनियरों को ऑडियो, म्यूजिक और स्पीच जनरेशन के क्षेत्र में शुरुआत करने में मदद करना है।

realtime support, improved interface और अधिक features के साथ so-vits-svc fork।

multilingual-bert के साथ vits2 बैकबोन

उपयोग में आसानी और प्रदर्शन पर केंद्रित एक सरल, उच्च-गुणवत्ता वाला वॉयस कन्वर्जन टूल।

Singing Voice Conversion और Singing Voice Clone का कोर इंजन

GPT-SoVITS ONNX इन्फेरेंस इंजन और मॉडल कन्वर्टर

मोबाइल एआई एनीमे वाइफ चैटर्स

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

कई SVC/TTS के लिए C++ इन्फरेंस लाइब्रेरी

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

So-VITS-SVC स्थानीय परिनियोजन सहायता दस्तावेज़, Colab नोटबुक प्रदान करता है।

🦖 लोकप्रिय Attention Mechanisms, Vision Transformers, MLP-Like models और CNNs का Pytorch कार्यान्वयन।

SummerTTS C++ पर आधारित एक स्टैंडअलोन चीनी और अंग्रेजी स्पीच सिंथेसिस प्रोजेक्ट है, जो बिना इंटरनेट के स्थानीय रूप से चल सकता है, और इसमें कोई अतिरिक्त निर्भरता नहीं है, एक-क्लिक संकलन पूरा होने के बाद इसे चीनी और अंग्रेजी स्पीच सिंथेसिस के लिए उपयोग किया जा सकता है।