voice-clone

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

O estúdio de voz de IA de código aberto. Clone, dite, crie.

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

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

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.

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

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

Wunjo CE: Troca de rosto, sincronia labial, remoção de objetos, texto e fundo, reestilização, separador de áudio, clonagem de voz, geração de vídeo. Código aberto, local e gratuito.

Um sistema TTS de base potencializado por LLM de código aberto

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

MimikaStudio - Um aplicativo local-first para macOS (Apple Silicon) + Suporte a MCP Agêntico

API de texto para fala (TTS) local e compatível com OpenAI usando o Chatterbox, permitindo que os usuários gerem fala clonada em qualquer lugar onde a API da OpenAI seja usada (ex.: Open WebUI, AnythingLLM, etc.)

Converta PDFs e EPUBs em audiolivros; legendas ou vídeos em vídeos dublados (incluindo tradução) e muito mais. De graça. O Pandrator usa modelos locais, incluindo clonagem de voz (instantânea, aprimorada por RVC, ajuste fino XTTS) e processamento por LLM. Ele aspira ser um aplicativo amigável com interface gráfica, instalador e pacotes tudo em um.

Nós OmniVoice TTS para ComfyUI - Conversão de texto em fala multilíngue zero-shot com clonagem de voz, design de voz e diálogos com múltiplos falantes.