text-to-speech

Menghasilkan buku audio dari EPUB, PDF, dan teks dengan teks terjemahan (caption) yang disinkronkan.

Platform AI suara open-source. Alternatif self-hosted untuk Vapi dan Retell. On-premise, BYOK untuk Speech to Speech atau LLM/STT/TTS, dengan pembuat alur kerja visual, dukungan native MCP, dan teleponi.

Alat lokalisasi video AI sumber terbuka: otomatis mengunduh video YouTube/Bilibili, mengenali dan menerjemahkan subtitle, kloning suara, mencampur trek audio, dan menyematkan subtitle.

Wrapper berbasis Docker yang kompatibel dengan OpenAI untuk text-to-speech Kokoro-82M, mendukung PyTorch di CPU, AMD, dan NVIDIA GPU; fitur multi-speaker, pencampuran suara, auto-stitching, timestamp caption, SSML, dan antarmuka web readalong.

DiffSinger: Sintesis Suara Nyanyian melalui Mekanisme Difusi Dangkal (SVS & TTS); AAAI 2022; Kode resmi

Pustaka python untuk komunikasi secara real-time

Implementasi hampir real-time dari Whisper OpenAI.

Model dasar untuk TTS yang ekspresif dan mirip manusia

MOSS‑TTS Family adalah keluarga model pembuatan suara dan ucapan open‑source dari MOSI.AI dan tim OpenMOSS. Dirancang untuk skenario dunia nyata yang sangat akurat, sangat ekspresif, dan kompleks, mencakup ucapan berdurasi panjang yang stabil, dialog multi-pembicara, desain suara/karakter, efek suara lingkungan, dan TTS streaming waktu nyata.

Mengubah teks menjadi suara secara real-time.

TensorFlowTTS: Sintesis ucapan real-time mutakhir untuk Tensorflow 2 (mendukung bahasa Inggris, Prancis, Korea, Mandarin, Jerman, dan mudah diadaptasi untuk bahasa lain)

Alat konversi suara yang sederhana dan berkualitas tinggi dengan fokus pada kemudahan penggunaan dan performa.

Satu WebUI Gradio + React dengan ekstensi untuk ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T, dan Bark.

SDK Python resmi untuk API ElevenLabs.

[AutoArk] GPA (General Purpose Audio) dapat melakukan ASR, TTS, dan konversi suara dengan satu model kecil!

aeneas adalah pustaka Python/C dan sekumpulan alat untuk menyinkronkan audio dan teks secara otomatis (dikenal sebagai forced alignment)

Model ucapan (TTS) MARS5 dari CAMB.AI

Pustaka Python dan alat CLI untuk berinteraksi dengan API text-to-speech Google Translate

Penyebaran sekali klik (termasuk paket integrasi offline)! Berbasis ChatTTS, mendukung output streaming, pemilihan suara, pembuatan audio panjang, dan pembacaan berbasis peran. Mudah digunakan, tanpa instalasi yang rumit.

MARY TTS — sistem sintesis text-to-speech multibahasa sumber terbuka yang ditulis dalam Java murni

Sintesis Text To Speech luring untuk Python

TTS bahasa Vietnam dengan kloning suara instan • On-device • Inferensi CPU real-time • Kualitas audio 24kHz

Runtime suara real-time yang menjaga Agen tetap berbicara, bekerja, dan hadir. Runtime Suara Real-time untuk Agen AI.

HiFi-GAN: Generative Adversarial Networks untuk sintesis ucapan yang efisien dan fidelitas tinggi

Implementasi PyTorch untuk VALL-E (Zero-Shot Text-To-Speech), demo reproduksi tersedia di https://lifeiteng.github.io/valle/index.html

Mesin inferensi C++ murni yang lengkap untuk model audio, didukung oleh ggml. Mendukung TTS, STT, VAD, konversi suara, pembuatan musik, dan lainnya, dengan performa yang sangat dioptimalkan. Tanpa dependensi Python.

Text-to-Speech yang cepat dan dapat dikontrol untuk lebih dari 7000 bahasa!

Endpoint API text-to-speech gratis dan berkualitas tinggi sebagai pengganti OpenAI, Azure, atau ElevenLabs

AI multimodal waktu nyata pada perangkat dengan fitur yang mirip dengan GPT-Live

Perangkat produksi video berbasis AI untuk Claude Code.