tts

Interface de usuário local para executar e treinar LLMs e modelos de difusão, incluindo Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX e muito mais.

1 minuto de dados de voz também pode ser usado para treinar um bom modelo de TTS! (clonagem de voz com poucos exemplos)

Clone uma voz em 5 segundos para gerar fala arbitrária em tempo real

LocalAI é o motor de IA de código aberto. Execute qualquer modelo - LLMs, visão, voz, imagem, vídeo - em qualquer hardware. Não é necessário GPU.

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

Um modelo de fala gerativa para diálogos cotidianos.

Clonagem de voz instantânea pelo MIT e MyShell. Modelo de fundação de áudio.

🚀Clone uma voz em 5 segundos para gerar fala arbitrária em tempo real

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

TTS de código aberto SOTA

🚀 Motor de vídeo curto totalmente automatizado por IA | AI Fully Automated Short Video Engine

Mastra é o framework TypeScript moderno para aplicações e agentes movidos a IA.

Readest é um leitor de e-books moderno e rico em recursos, projetado para leitores ávidos, oferecendo acesso multiplataforma contínuo, ferramentas poderosas e uma interface intuitiva para elevar sua experiência de leitura.

Um Sistema de Conversão de Texto em Fala Zero-Shot Controlável e Eficiente em Nível Industrial

Modelo multilíngue de geração de voz de grande escala, oferecendo capacidade full-stack de inferência, treinamento e implantação.

Gere audiolivros a partir de e-books, com clonagem de voz e mais de 1158 idiomas!

Um software multiplataforma para tradução e reconhecimento de texto.

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)

VoiceStudio é a alternativa ao ElevenLabs de código aberto e totalmente local — clonagem de voz, design de voz, dublagem de vídeo, ditado, transcrição e criação de audiolivros em 646 idiomas.

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

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.

Ferramenta de tradução e dublagem de vídeo por IA para humanos e agentes de IA, impulsionada por LLMs. Pipeline completo: download, transcrição, tradução, dublagem TTS, reformatação, geração de capa. Mais de 100 idiomas, otimizado para YouTube, TikTok, Bilibili, Douyin e outros.

Conversão de fala para texto, reconhecimento de intenção e conversão de texto para fala com latência muito baixa, para a criação de agentes e interfaces de voz

Plataforma de engenharia de agentes de IA construída sobre um framework de agentes de IA TypeScript de código aberto.

Backbone VITS2 com multilingual-bert

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

Gere audiolivros a partir de e-books.

Open Vision Agents da Stream. Crie agentes de voz e visão rapidamente com qualquer modelo ou provedor de vídeo. Utiliza a rede de borda da Stream para latência ultrabaixa.