text-to-speech

sintesis suara sumber terbuka gratis untuk bahasa Rusia dan bahasa lainnya

Sistem Pengodean Mandiri untuk Aplikasi Anda — Alan AI SDK untuk Android

Mesin Inferensi & Konverter Model GPT-SoVITS ONNX

Sistem pengkodean mandiri untuk aplikasi Anda — Alan AI SDK untuk Flutter

Secara otomatis menerjemahkan teks video berdasarkan file subtitle, lalu menggunakan layanan suara AI untuk membuat trek audio sulih suara & terjemahan baru dengan ucapan yang disinkronkan menggunakan waktu subtitle.

Ekstensi peramban hebat yang membacakan konten halaman web dengan satu klik

Cara deklaratif untuk menjalankan model AI di React Native secara on-device, didukung oleh ExecuTorch.

Sistem Pengodean Mandiri untuk Aplikasi Anda — Alan AI SDK untuk Ionic

Parallel WaveGAN Tidak Resmi (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) dengan Pytorch

Aplikasi Linux Speech Note. Mencatat, membaca, dan menerjemahkan dengan Speech to Text, Text to Speech, dan terjemahan mesin secara luring.

Topik → Video bernarasi 4K untuk agen coding. v4.0: semua TTS melalui komponen mesin ttsCN (11 platform termasuk kloning suara MiniMax, sinkronisasi subtitle tingkat kata asli), Mesin Aset berbasis manifes, komposisi Remotion, pembuatan AI berbatas biaya.

Server Model Context Protocol (MCP) resmi dari MiniMax yang memungkinkan interaksi dengan API Text to Speech, pembuatan gambar, dan pembuatan video yang canggih.

Server inferensi LLM yang kompatibel dengan OpenAI dan Anthropic berkinerja tinggi untuk Apple Silicon. Dilengkapi MLX asli, continuous batching, model multimodal, pemanggilan alat MCP, dan dukungan Claude Code.

Integrasi ComfyUI yang komprehensif untuk model text-to-speech VibeVoice dari Microsoft, memungkinkan sintesis suara tunggal dan multi-pembicara berkualitas tinggi langsung di dalam alur kerja ComfyUI Anda.

Soprano: Text-to-Speech Instan yang Sangat Realistis

Bicaralah dengan Mac Anda, kueri dokumen Anda, tidak perlu cloud. AI suara di perangkat + RAG

Talking Head (3D): Kelas JavaScript untuk sinkronisasi bibir waktu nyata menggunakan avatar 3D seluruh tubuh.

Aplikasi Python/Pytorch untuk mensintesis suara manusia dengan mudah

Antarmuka untuk model OuteTTS.

Host sendiri model TTS Chatterbox yang kuat. Server ini menawarkan Web UI yang ramah pengguna, endpoint API yang fleksibel (termasuk kompatibel dengan OpenAI), suara prasetel, kloning suara, dan pemrosesan teks skala buku audio besar. Berjalan dipercepat di NVIDIA (CUDA), AMD (ROCm), dan CPU.

🍦 Speech-AI-Forge adalah proyek yang dikembangkan di sekitar model generasi TTS, mengimplementasikan API Server dan WebUI berbasis Gradio.

Terjemahan Tersinkronisasi untuk Video. Sulih suara video

💎 Daftar korpus ucapan yang dapat diakses untuk ASR, TTS, dan Teknologi Ucapan lainnya

Fine-tune LLM di Mac Anda dengan Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding, dan fine-tuning OCR — secara native di MLX. API yang kompatibel dengan Unsloth.

[ICASSP 2024] 🍵 Matcha-TTS: Arsitektur TTS cepat dengan pencocokan alur bersyarat

[ICLR 2025] Model codec akustik diskret SOTA dengan 40/75 token per detik untuk pemodelan bahasa audio

Mesin inferensi luring untuk seni, percakapan suara waktu nyata, chatbot bertenaga LLM, dan alur kerja otomatis

StreamSpeech adalah model "All in One" yang mulus untuk pengenalan suara offline dan simultan, terjemahan suara, serta sintesis suara.

Antarmuka web (webui) untuk berbagai Jaringan Saraf Tiruan terkait audio

Model Text-to-Speech berbasis Flow Matching dengan Kontrol Gaya berbasis Emoji