tts

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.

🧸 Lobe Vidol - Tornando ídolos virtuais acessíveis a todos

Um poderoso modelo de áudio de aprendizado por reforço baseado em LLM de 3B parâmetros que se destaca na edição de Emoção, estilo de fala e paralinguística, e apresenta robusta conversão de texto em fala zero-shot

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

Transforme um arquivo epub ou de texto em um audiolivro

O hub para pesquisa de IA de áudio: artigos, modelos abertos, benchmarks e datasets sobre LLMs de áudio, reconhecimento de fala, TTS, música e geração de áudio.

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

Caixa de ferramentas de algoritmos de IA offline gratuita em Java, suporta reconhecimento facial, deteção de vivacidade, reconhecimento de expressões, deteção de objetos, segmentação de instâncias, deteção de pedestres, reconhecimento de texto OCR, reconhecimento de matrículas, reconhecimento de tabelas, ASR+TTS, tradução automática e outras funções, disponível através de dependência Maven. Suporta PyTorch e TensorFlow, com modelos principais integrados como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5) e Whisper

Um framework de atendimento de modelos ML de alto desempenho, oferece loteamento dinâmico e pipelines de CPU/GPU para explorar totalmente sua máquina de computação

Interface web para usar o XTTS e realizar seu ajuste fino.

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

Transforme PDFs em podcasts de IA para conteúdos de áudio envolventes em movimento.

Um kit de ferramentas amigável para reconhecimento/transcrição/conversão de voz, etc. | Caixa de ferramentas de voz simples e fácil de usar

Modelo Bark da Suno AI em C/C++ para geração rápida de texto para fala.

A solução de integração de IA mais simples e de menor custo. Se você gosta deste projeto, por favor, dê uma estrela~

SumatraPDF fork: Chinese EPUB/MOBI, smart PDF dark mode, OCR, TTS, offline dictionary.

Voxtral ASR & TTS rodando nativamente e no navegador. Uma implementação em Rust do Voxtral mini realtime ASR / TTS do Mistral usando o framework Burn ML

🔥🔥 Kokoro em Rust. https://huggingface.co/hexgrad/Kokoro-82M TTS insanamente rápido em tempo real com a mais alta qualidade que você já viu.

Converta qualquer repositório git em um podcast envolvente

Leitor de eBook no terminal com conversão de texto em fala de qualidade de audiolivro — Suporta EPUB, PDF, DOCX, HTML, RTF, TXT e MD.

🎤 Lobe TTS - Uma biblioteca TTS/STT confiável e de alta qualidade para servidor e navegador.

Um motor de Text-to-Speech (TTS) leve e offline para Android, que permite clonagem de voz integrada em todo o sistema e leitura de texto em alta fidelidade.

AI VTuber com LLM, ASR, TTS, OCR, CV e mais tecnologias para fazer transmissão ao vivo ou jogar Minecraft com você.

Fala para Texto para Fala. Música tocando agora. Envia texto como mensagens OSC para o VRChat para exibir no avatar. (STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

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

Um SDK modular em Swift para processamento de áudio com MLX em Apple Silicon

Deep learning para processamento de áudio

Ferramenta de tradução de tela em tempo real para Android de código aberto e sem root, ideal para jogos, romances visuais e mangás. Suporta OCR local e em nuvem, LLMs offline, vários serviços de tradução e conversão de texto em fala (TTS), com traduções exibidas diretamente na tela.

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.