voice-cloning

Asisten suara waktu nyata — streaming WebRTC, faster-whisper ASR, LLM lokal, Vui Nano (300M) TTS. Kompatibel dengan OpenAI Realtime API. Kloning suara, barge-in, ~9x waktu nyata pada RTX 4090. Apache 2.0.

MimikaStudio - Aplikasi local-first untuk macOS (Apple Silicon) + dukungan Agentic MCP

API text-to-speech (TTS) lokal yang kompatibel dengan OpenAI menggunakan Chatterbox, memungkinkan pengguna menghasilkan ucapan tiruan suara di mana pun API OpenAI digunakan (mis. Open WebUI, AnythingLLM, dll.)

Ubah PDF dan EPUB menjadi buku audio; subtitle atau video menjadi video sulih suara (termasuk terjemahan), dan banyak lagi. Gratis. Pandrator menggunakan model lokal, termasuk kloning suara (instan, RVC-enhanced, fine-tuning XTTS) dan pemrosesan LLM. Aplikasi ini dirancang agar ramah pengguna dengan GUI, installer, dan paket all-in-one.

YouDub adalah alat sumber terbuka (open-source) yang dirancang untuk mengotomatiskan penerjemahan dan pengisian suara (dubbing) video YouTube berkualitas tinggi agar dapat diunggah ke internet berbahasa Mandarin. Alat ini menggunakan teknologi pengenalan suara AI untuk mengubah audio menjadi teks, kemudian menerjemahkan teks tersebut ke dalam bahasa Mandarin menggunakan Large Language Model, dan akhirnya mengubah bahasa Mandarin tersebut menjadi audio menggunakan teknologi kloning suara AI.

Node kustom ComfyUI untuk VibeVoice TTS. Audio percakapan ekspresif, berdurasi panjang, dan multi-penutur.

Versi modifikasi dari Chatterbox yang menerima file teks sebagai input dan tanpa batasan karakter. Saya menggunakannya untuk membuat buku audio, terutama untuk anak-anak saya.

Jalankan konversi teks-ke-suara Qwen3-TTS secara lokal di Mac (M1/M2/M3/M4). Kloning suara, desain suara, suara kustom. 100% offline menggunakan MLX.

Model dialog lisan ujung-ke-ujung waktu nyata sumber terbuka pertama di dunia dengan kloning suara yang dipersonalisasi.

Node OmniVoice TTS untuk ComfyUI - Teks-ke-suara multilingual zero-shot dengan kloning suara, desain suara, dan dialog multi-pembicara

Node ComfyUI untuk ucapan yang sangat ekspresif dan kloning suara zero-shot yang realistis