voice-cloning

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.

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

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

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

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

Pemotongan, penerjemahan, penyelarasan, dan bahkan sulih suara (dubbing) subtitle tingkat Netflix - tim subtitle video AI otomatis sekali klik.

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

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.

YuE: Model Fondasi Generasi Musik Lagu Penuh Terbuka, mirip dengan Suno.ai tetapi bersifat terbuka

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

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.

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

Model ucapan (TTS) MARS5 dari CAMB.AI

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.

Mesin Inferensi & Konverter Model GPT-SoVITS ONNX

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

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.

Aplikasi Python/Pytorch untuk mensintesis suara manusia dengan mudah

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.

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

Generator Podcast AI untuk episode bilingual, Multi Bahasa, Alternatif untuk NotebookLLM; Generator podcast AI percakapan manusia, multi-bahasa, multi-suara

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

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

Integrasi node kustom ComfyUI untuk Text-to-Speech dan Konversi Suara multi-mesin multi-bahasa lokal. Mendukung: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (klasik dan multilingual), F5-TTS, Higgs Audio 2, 3, dan VibeVoice dengan panjang teks tak terbatas, penentuan waktu SRT, dukungan Karakter, dan banyak alat audio

Server inferensi LLM native untuk Apple Silicon. Kompatibel dengan API OpenAI + Anthropic. Tanpa Python. Termasuk aplikasi macOS MLX Core dengan obrolan, mode agen, dan pemanggilan alat.

Generator buku audio multi-suara berbasis AI — anotasi skrip LLM, kloning suara, desain suara, pelatihan LoRA, kontrol gaya per baris, dan ekspor ke MP3, M4B dengan bab, atau multi-track Audacity. Dibangun di atas Qwen3-TTS.

Model pengeditan audio Reinforcement Learning berbasis LLM dengan 3B parameter yang kuat, unggul dalam mengedit emosi, gaya bicara, dan paralinguistik, serta dilengkapi teks-ke-suara zero-shot yang tangguh

Engine Text-to-Speech (TTS) Android ringan dan luring yang memungkinkan kloning suara seluruh sistem yang mulus dan pembacaan teks berketepatan tinggi.