text-to-speech

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

O sistema de autocodificação para seu aplicativo — Alan AI SDK para Android

Motor de inferência ONNX e conversor de modelos para GPT-SoVITS

O sistema de autocodificação para seu aplicativo — Alan AI SDK para Flutter.

Traduz automaticamente o texto de um vídeo com base em um arquivo de legenda e utiliza serviços de voz por IA para criar uma nova trilha de áudio dublada e traduzida, sincronizada com o tempo das legendas.

Uma excelente extensão de navegador que lê em voz alta o conteúdo de páginas da web com um clique

Maneira declarativa de executar modelos de IA no React Native localmente, utilizando o ExecuTorch.

O sistema de auto-codificação para seu aplicativo — Alan AI SDK para Ionic

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.

Tópico → Vídeo narrado em 4K para agentes de codificação. v4.0: todo TTS via componente de motor ttsCN (11 plataformas incluindo clonagem de voz MiniMax, sincronização nativa de legendas em nível de palavra), motor de ativos baseado em manifesto, composição Remotion, geração de IA com limite de custo.

Servidor oficial do MiniMax Model Context Protocol (MCP) que permite a interação com poderosas APIs de conversão de texto em fala, geração de imagens e geração de vídeo.

Servidor de inferência LLM de alto desempenho compatível com OpenAI e Anthropic para Apple Silicon. MLX nativo, processamento contínuo, modelos multimodais, chamada de ferramentas MCP e suporte ao Claude Code.

Uma integração abrangente do ComfyUI para o modelo de conversão de texto em fala VibeVoice da Microsoft, permitindo síntese de voz de alta qualidade para um ou vários locutores diretamente nos seus fluxos de trabalho do ComfyUI.

Soprano: Conversão de texto em fala instantânea e ultrarrealista.

Fale com seu Mac, consulte seus documentos, sem necessidade de nuvem. IA de voz e RAG executados localmente no dispositivo.

Talking Head (3D): Uma classe JavaScript para sincronia labial em tempo real usando avatares 3D de corpo inteiro.

Um aplicativo Python/Pytorch para sintetizar vozes humanas facilmente

Interface para modelos OuteTTS.

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.

🍦 Speech-AI-Forge é um projeto desenvolvido em torno de modelos de geração TTS, implementando um servidor de API e uma interface web baseada em Gradio.

Tradução sincronizada para vídeos. Dublagem de vídeo

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

Faça o fine-tuning de LLMs no seu Mac com Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding e fine-tuning de OCR — nativamente no MLX. API compatível com Unsloth.

[ICASSP 2024] 🍵 Matcha-TTS: Uma arquitetura de TTS rápida com conditional flow matching

[ICLR 2025] Modelos de codec acústico discreto SOTA com 40/75 tokens por segundo para modelagem de linguagem de áudio.

Motor de inferência offline para arte, conversas de voz em tempo real, chatbots baseados em LLM e fluxos de trabalho automatizados

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

Uma WebUI para diferentes redes neurais relacionadas a áudio

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