tts

🍦 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.

Restauração geral de fala.

Uma ferramenta (para Windows) que grava a síntese de voz (TTS) do Microsoft Edge e a exporta como áudio .wav.

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

Conversas por voz natural com Claude Code

Plataforma de gerenciamento empresarial Java para ESP32 Xiaozhi, oferecendo uma solução integrada de front-end, back-end e servidor para monitoramento de dispositivos, personalização de voz, troca de personagens e gerenciamento de histórico de conversas.

Tradução ao passar o mouse para qualquer idioma - Extensão para Chrome: Tradutor de PDF, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, IA, VIEWER, GMAIL, WRITING, IMAGE, DUAL SUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPONÊS, INGLÊS.

Humano digital interativo em tempo real, com aparência e voz personalizáveis, suporte a clonagem de voz e latência de resposta inicial de até 3s.

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

Tradução de voz em tempo real — macOS e Windows, TTS gratuito, sem servidor, usando apenas suas chaves de API.

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

TTS de melhores práticas baseado em BERT e VITS com alguns recursos de Natural Speech da Microsoft; suporte a streaming ONNX!

Mecanismo de conversão de texto em fala (text-to-speech) em chinês

Uma integração de nó personalizado do ComfyUI para conversão de texto em fala e voz local com múltiplos motores e idiomas. Suporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clássico e multilíngue), F5-TTS, Higgs Audio 2, 3 e VibeVoice com comprimento de texto ilimitado, temporização SRT, suporte a personagens e muitas ferramentas de áudio

Tradução de voz bidirecional em tempo real para reuniões bilíngues — detecta automaticamente o idioma falado e traduz em ambas as direções, via nuvem ou totalmente offline no dispositivo. Desktop (Windows · macOS · Linux) + extensão de navegador (Chrome · Edge) para Zoom, Meet, Teams e qualquer aplicativo.

Toolkit de fala de IA para Apple Silicon — ASR, TTS, speech-to-speech, VAD e diarização alimentados por MLX e CoreML

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

Biblioteca de inferência em C++ para múltiplos SVC/TTS

O SGLang-Omni capacita o atendimento de alto desempenho para modelos TTS, ASR, de fala e onidirecionais.

AI Vtuber para streaming no YouTube/Twitch

NobodyWho é um mecanismo de inferência que permite executar LLMs localmente e de forma eficiente em qualquer dispositivo.

GLM-TTS: TTS zero-shot controlável e com expressão emocional usando aprendizado por reforço com múltiplas recompensas.

API gratuita de conversão de texto em fala (TTS) online.

Com um único comando, crie um audiolivro com som natural a partir de vários formatos de entrada (epub, mobi, txt, PDF, HTML e mais!)

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

Uma API HTTP simples de VITS, desenvolvida estendendo o Moegoe com recursos adicionais.

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