speech-synthesis

🐸💬 - um conjunto de ferramentas de deep learning para conversão de texto em fala (Text-to-Speech), testado em pesquisa e produção

VoxCPM2: TTS sem tokenizador para geração de fala multilíngue, design de voz criativo e clonagem realista

Um framework de IA generativa escalável criado para pesquisadores e desenvolvedores que trabalham com Grandes Modelos de Linguagem, Multimodal e IA de Voz (Reconhecimento Automático de Fala e Conversão de Texto em Fala)

🧠 Leon é seu assistente pessoal de código aberto

Scripts de Deep Learning de última geração organizados por modelos - fáceis de treinar e implantar com precisão e desempenho reproduzíveis em infraestrutura de nível empresarial.

TTS multilíngue, ultrarrápido e on-device, executado nativamente via ONNX.

Crie agentes de voz com modelos de código aberto

Interface Web Gradio para criadores e desenvolvedores, apresentando TTS (Edge-TTS, kokoro) e clonagem de voz zero-shot (E2 & F5-TTS, CosyVoice), com processamento de áudio Whisper, download do YouTube, isolamento vocal Demucs e tradução multilíngue.

Kit de ferramentas de fala fácil de usar, incluindo modelo de aprendizado autossupervisionado, ASR SOTA/Streaming com pontuação, TTS de streaming com frontend de texto, sistema de verificação de locutor, tradução de fala de ponta a ponta e detecção de palavras-chave. Vencedor do prêmio NAACL2022 Best Demo.

Use o serviço de conversão de texto em fala online do Microsoft Edge a partir do Python, sem precisar do Microsoft Edge, Windows ou de uma chave de API.

Amphion (/æmˈfaɪən/) é um kit de ferramentas para geração de áudio, música e fala. Seu objetivo é apoiar pesquisas reprodutíveis e ajudar pesquisadores e engenheiros iniciantes a começar na área de pesquisa e desenvolvimento de geração de áudio, música e fala.

Toolkit de processamento de fala de ponta a ponta

Fork do so-vits-svc com suporte em tempo real, interface aprimorada e mais recursos.

EmotiVoice 😊: um motor de TTS multivoz e controlado por prompt.

Uma biblioteca de text-to-speech (TTS), speech-to-text (STT) e speech-to-speech (STS) construída sobre o framework MLX da Apple, oferecendo análise de fala eficiente em Apple Silicon.

eSpeak NG é um sintetizador de voz de código aberto que suporta mais de cem idiomas e sotaques.

StyleTTS 2: Rumo à conversão de texto em fala de nível humano através de difusão de estilo e treinamento adversarial com grandes modelos de linguagem de fala

Silero Models: modelos de conversão de texto em fala pré-treinados feitos de forma extremamente simples

Gere audiolivros a partir de EPUBs, PDFs e textos com legendas sincronizadas.

DiffSinger: Síntese de voz cantada via mecanismo de difusão superficial (SVS e TTS); AAAI 2022; código oficial

Um sistema de conversão de texto em fala de código aberto construído invertendo o Whisper.

Plataforma de síntese de canto aberta / sucessor de código aberto do UTAU

Modelo fundamental para TTS expressivo e semelhante ao humano.

Converte texto em fala em tempo real.

:stuck_out_tongue_closed_eyes: TensorFlowTTS: Síntese de fala de última geração em tempo real para o TensorFlow 2 (suporta inglês, francês, coreano, chinês, alemão e é fácil de adaptar para outros idiomas)

Lingvo

Modelo de fala (TTS) MARS5 da CAMB.AI

MARY TTS: um sistema de síntese de voz multilingue de código aberto escrito em Java puro

TTS em vietnamita com clonagem de voz instantânea • No dispositivo • Inferência de CPU em tempo real • Qualidade de áudio de 24kHz.

HiFi-GAN: Redes Adversárias Generativas para síntese de fala eficiente e de alta fidelidade