tts

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)

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

LocalAI adalah mesin AI sumber terbuka. Jalankan model apa pun - LLM, visi, suara, gambar, video - di perangkat keras apa pun. Tidak memerlukan GPU.

🐸💬 - 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

TTS sumber terbuka SOTA.

🚀 Mesin video pendek otomatis AI

Mastra adalah kerangka kerja TypeScript modern untuk aplikasi dan agen berbasis AI.

Readest adalah pembaca ebook modern dan kaya fitur yang dirancang untuk pembaca antusias, menawarkan akses lintas platform yang mulus, alat canggih, dan antarmuka intuitif untuk meningkatkan pengalaman membaca Anda.

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.

Hasilkan buku audio dari e-book, kloning suara, & 1158+ bahasa!

🌈 Perangkat lunak lintas platform untuk terjemahan teks dan OCR.

Kerangka kerja AI generatif yang skalabel yang dibangun untuk peneliti dan pengembang yang bekerja pada Large Language Models, Multimodal, dan Speech AI (Automatic Speech Recognition dan Text-to-Speech)

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

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.

Toolkit Speech yang mudah digunakan mencakup model Self-Supervised Learning, SOTA/Streaming ASR dengan tanda baca, Streaming TTS dengan frontend teks, Sistem Verifikasi Pembicara, End-to-End Speech Translation, dan Keyword Spotting. Pemenang Penghargaan Demo Terbaik NAACL2022.

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

Alat terjemahan & sulih suara video AI untuk manusia dan agen AI, didukung oleh LLM. Alur kerja penuh: unduh, transkripsi, terjemahkan, sulih suara TTS, format ulang, pembuatan sampul. 100+ bahasa, dioptimalkan untuk YouTube, TikTok, Bilibili, Douyin, dan lainnya.

Speech-to-text, pengenalan maksud, dan text-to-speech dengan latensi sangat rendah untuk membangun agen dan antarmuka suara

Platform Rekayasa Agen AI yang dibangun di atas Framework Agen AI TypeScript Sumber Terbuka

Backbone vits2 dengan multilingual-bert

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

Hasilkan audiobook dari e-book

Open Vision Agents oleh Stream. Bangun agen suara dan visi dengan cepat menggunakan model atau penyedia video apa pun. Menggunakan jaringan edge Stream untuk latensi ultra-rendah.