tts

Uma interface web nativa simples que usa o ChatTTS para sintetizar texto em fala, com suporte a interfaces de API externas.

Biblioteca de conversão de texto em fala multilíngue de alta qualidade da MyShell.ai. Suporta inglês, espanhol, francês, chinês, japonês e coreano.

🤖 wukong-robot é um projeto de robô de diálogo por voz/alto-falante inteligente simples, flexível e elegante, que suporta conversas de múltiplos turnos com ChatGPT e pode ser o primeiro projeto de alto-falante inteligente de código aberto a suportar interface cérebro-computador.

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

Rumo a uma fala com sonoridade humana

🎤 Ferramenta de síntese de voz da Microsoft, construída com Electron + Vue + ElementPlus + Vite.

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.

Wrapper compatível com OpenAI e empacotado em Docker para conversão de texto em fala Kokoro-82M com suporte multiplataforma para CPU, AMD, GPU NVIDIA PyTorch; vários locutores, mesclagem de voz, junção automática, carimbos de data/hora de legendas, SSML e interface web de leitura.

Um motor de vídeo AIGC de propósito geral: do roteiro ao filme finalizado em um único pipeline — dramas, anúncios, vídeos de produtos, jogos otome e mais.

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.

Aplicativo TTS para Android com interface de demonstração da Microsoft, suporte a requisições HTTP personalizadas, importação de outros motores TTS locais, reconhecimento de narração/diálogo baseado em aspas chinesas, além de recursos como tentativas automáticas, configurações de backup e substituição de texto.

MOSS-TTS-Nano é um modelo de geração de fala multilíngue minúsculo e open source da MOSI.AI e da equipe OpenMOSS. Com apenas 0,1 bilhão de parâmetros, foi projetado para geração de fala em tempo real, pode rodar diretamente na CPU sem GPU e mantém a stack de implantação simples o suficiente para demonstrações locais, serviços web e integração leve em produtos.

Modelo fundamental para TTS expressivo e semelhante ao humano.

: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)

Streamer-Sales: um LLM para apresentadores de vendas ao vivo que explica produtos com base em suas características para estimular o desejo de compra do usuário. Inclui um fluxo detalhado de geração de dados e integra LMDeploy para aceleração de inferência, RAG para recuperação aumentada, TTS para conversão de texto em fala, geração de avatares digitais, agentes para consultas de informações em tempo real, ASR para transcrição de áudio, front-end em Vue, back-end em FastAPI e implantação via Docker-compose.

Uma ferramenta de conversão de voz simples e de alta qualidade, focada em facilidade de uso e desempenho.

Uma WebUI única em Gradio + React com extensões para ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T e Bark!

[AutoArk] GPA (General Purpose Audio) pode realizar ASR, TTS e conversão de voz com um único modelo compacto!

O openctp fornece interfaces compatíveis com CTP API para diversos canais, como CTP de opções de ações, XTP da Zhongtai Securities, TORA da Huaxin Securities, OST da Orient Securities, EMT da East Money, TWS da Interactive Brokers, TAP da Esunny e QDP da Quantdo, permitindo que programas CTP se conectem perfeitamente a várias corretoras. O openctp também oferece um ambiente de simulação baseado no sistema de negociação TTS, com suporte a futuros, opções, ações A, fundos e títulos, servindo como alternativa ao Simnow para desenvolvedores de trading quantitativo com ambiente 24/7.

Lingvo

aeneas é uma biblioteca em Python/C e um conjunto de ferramentas para sincronizar automaticamente áudio e texto (também conhecido como forced alignment)

FLUX, Stable Diffusion, SDXL, SD3, LoRA, Fine Tuning, DreamBooth, Treinamento, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Animação, Texto para Vídeo, Tutoriais, Guias, Palestras, Cursos, ComfyUI, Google Colab, RunPod, Kaggle, NoteBooks, ControlNet, TTS, Clonagem de Voz, IA, Notícias de IA, ML, Notícias de ML, Notícias, Tecnologia, Notícias de Tecnologia, Kohya, Midjourney, RunPod

TTS com kokoro e onnx runtime

Biblioteca Python e ferramenta CLI para interagir com a API de conversão de texto em fala do Google Translate

Aplicativo multiplataforma de prática de idiomas com IA

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