speech-synthesis

Um aplicativo ChatGPT de código aberto com voz.

Conversão de texto em fala rápida e controlável para mais de 7000 idiomas!

Um sintetizador de voz gratuito e de código aberto para russo e outros idiomas.

Implementação não oficial de Parallel WaveGAN (+ MelGAN, Multi-band MelGAN, HiFi-GAN e StyleMelGAN) com Pytorch.

Aplicativo Speech Note para Linux. Tomada de notas, leitura e tradução com conversão de fala em texto, texto em fala e tradução automática offline.

Nós personalizados que estendem as capacidades do Comfyui

Software Automatic Mouth - Um pequeno sintetizador de voz

Pré-treinamento multimodal de fala e texto para processamento de linguagem falada

Auto-hospede o poderoso modelo de TTS Chatterbox. Este servidor oferece uma interface web amigável, endpoints de API flexíveis (incluindo compatibilidade com OpenAI), vozes predefinidas, clonagem de voz e processamento de texto em escala de audiolivros. Executa com aceleração em NVIDIA (CUDA), AMD (ROCm) e CPU.

Uma lista de corpora de fala acessíveis para ASR, TTS e outras tecnologias de fala.

Restauração geral de fala.

Um sistema de alta qualidade para análise, manipulação e síntese de fala

StreamSpeech é um modelo "tudo em um" contínuo para reconhecimento, tradução e síntese de fala offline e simultânea.

Um modelo de conversão de texto em fala baseado em Flow Matching com controle de estilo via emoji

Implementação oficial em PyTorch do BigVGAN (ICLR 2023)

Irina - assistente de voz em russo para uso offline. Suporta habilidades via plugins.

AI Vtuber para streaming no YouTube/Twitch

AutoVC: Transferência de estilo de voz zero-shot usando apenas perda de autoencoder

YourTTS: Rumo a TTS multi-falante Zero-Shot e conversão de voz Zero-Shot para todos.

Código de exemplo da API de conversão de texto em fala da Microsoft em várias linguagens, parte dos Cognitive Services.

Gerador de audiolivros com múltiplas vozes impulsionado por IA — anotação de script por LLM, clonagem de voz, design de voz, treinamento LoRA, controle de estilo por linha e exportação para MP3, M4B com capítulos ou multifaixa para Audacity. Construído sobre o Qwen3-TTS.

NISQA - Avaliação não intrusiva da qualidade de fala e naturalidade de TTS.

Tornar as vozes TTS naturais do Azure acessíveis a qualquer aplicativo compatível com SAPI 5.

Um sistema TTS de base potencializado por LLM de código aberto

Um LLM falante que roda no seu próprio computador sem precisar de internet.

DiffWave é um vocoder neural rápido e de alta qualidade e sintetizador de formas de onda.

Confucius4-TTS: um mecanismo de TTS multilíngue e interlíngue do tipo zero-shot

Assistente de voz em tempo real — streaming WebRTC, ASR faster-whisper, LLM local, TTS Vui Nano (300M). Compatível com a API Realtime da OpenAI. Clonagem de voz, interrupção (barge-in), ~9× em tempo real em uma 4090. Apache 2.0.

Thorsten-Voice: Uma voz TTS em alemão de alta qualidade, gratuita e offline, disponível para qualquer projeto sem complicações de licença.

Artigos do INTERSPEECH 2023-2024: Uma coleção completa de artigos de pesquisa influentes e empolgantes da conferência INTERSPEECH 2023-24. Explore os avanços mais recentes em processamento de fala e linguagem. Código incluído. Dê uma estrela no repositório para apoiar o avanço da tecnologia de fala!