text-to-speech

Hasilkan video pendek HD dari topik atau kata kunci dengan alur kerja AI otomatis.

UI lokal untuk menjalankan dan melatih LLM serta model difusi, termasuk Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX, dan lainnya.

Data suara 1 menit pun bisa digunakan untuk melatih model TTS yang bagus! (few-shot voice cloning)

Sistem produksi video berbasis agen sumber terbuka pertama di dunia. 12 alur kerja produksi, 100+ alat, 700+ keterampilan agen, dan file pengetahuan produksi. Ubah asisten pengodean AI Anda menjadi studio produksi video lengkap.

🐸💬 - toolkit deep learning untuk Text-to-Speech, teruji dalam penelitian dan produksi

Model ucapan generatif untuk dialog sehari-hari.

Kloning suara instan oleh MIT dan MyShell. Model dasar audio.

🚀 Kloning suara dalam 5 detik untuk menghasilkan ucapan arbitrer secara real-time.

VoxCPM2: TTS tanpa tokenizer untuk pembuatan ucapan multibahasa, desain suara kreatif, dan kloning suara yang realistis

Sistem Text-To-Speech Zero-Shot yang efisien dan dapat dikontrol untuk tingkat industri

Model generasi suara besar multibahasa, menyediakan kemampuan full-stack untuk inferensi, pelatihan, dan penerapan.

Model TTS yang mampu menghasilkan dialog ultra-realistis dalam satu kali proses.

Menerjemahkan video dari satu bahasa ke bahasa lain serta menyematkan sulih suara dan takarir.

Leon adalah asisten pribadi open source Anda.

VoiceStudio adalah alternatif ElevenLabs sumber terbuka yang sepenuhnya lokal — kloning suara, desain suara, sulih suara video, dikte, transkripsi, & pembuatan buku audio dalam 646 bahasa.

Speech-to-text, text-to-speech, speaker diarization, peningkatan kualitas suara, pemisahan sumber, dan VAD menggunakan next-gen Kaldi dengan onnxruntime tanpa koneksi internet. Mendukung sistem embedded, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, server x86_64, websocket server/client, serta mendukung 12 bahasa pemrograman.

TTS multibahasa yang sangat cepat dan berjalan di perangkat — dijalankan secara native melalui ONNX.

Gradio WebUI untuk kreator dan pengembang, menampilkan TTS utama (Edge-TTS, kokoro) dan Kloning Suara zero-shot (E2 & F5-TTS, CosyVoice), dengan pemrosesan audio Whisper, unduhan YouTube, isolasi vokal Demucs, dan terjemahan multibahasa.

Gunakan layanan text-to-speech daring Microsoft Edge dari Python TANPA memerlukan Microsoft Edge, Windows, atau kunci API

Amphion (/æmˈfaɪən/) adalah toolkit untuk Pembuatan Audio, Musik, dan Ucapan. Tujuannya adalah untuk mendukung penelitian yang dapat direproduksi dan membantu para peneliti serta insinyur junior untuk memulai di bidang penelitian dan pengembangan pembuatan audio, musik, dan ucapan.

Toolkit Pemrosesan Suara End-to-End

EmotiVoice 😊: Mesin TTS Multi-Suara dan Terkontrol-Prompt

Pustaka text-to-speech (TTS), speech-to-text (STT), dan speech-to-speech (STS) yang dibangun di atas framework MLX Apple, menyediakan analisis suara yang efisien di Apple Silicon.

Pustaka text-to-speech multibahasa berkualitas tinggi oleh MyShell.ai. Mendukung bahasa Inggris, Spanyol, Prancis, Mandarin, Jepang, dan Korea.

eSpeak NG adalah penyintesis suara sumber terbuka yang mendukung lebih dari seratus bahasa dan aksen.

AI Suara On-device untuk Apple Silicon

StyleTTS 2: Menuju Text-to-Speech Setingkat Manusia melalui Style Diffusion dan Pelatihan Adversarial dengan Large Speech Language Models

Repositori ini berisi sumber daya yang dipilih secara manual untuk Prompt Engineering dengan fokus pada Generative Pre-trained Transformer (GPT), ChatGPT, PaLM, dll.

Silero Models: model text-to-speech pra-latih yang dibuat sangat sederhana

Ubah PC, Mac, atau perangkat Linux Anda menjadi server AI. Inferensi LLM, UI obrolan, suara, agen, alur kerja, RAG, dan pembuatan gambar.