voice-conversion

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

Treine facilmente um bom modelo de VC com dados de voz <= 10 minutos!

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.

Amphion (/æmˈfaɪən/) é um kit de ferramentas para geração de áudio, música e fala. Seu objetivo é apoiar pesquisas reprodutíveis e ajudar pesquisadores e engenheiros iniciantes a começar na área de pesquisa e desenvolvimento de geração de áudio, música e fala.

Toolkit de processamento de fala de ponta a ponta

Fork do so-vits-svc com suporte em tempo real, interface aprimorada e mais recursos.

Gere audiolivros a partir de EPUBs, PDFs e textos com legendas sincronizadas.

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

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

🔊 Uma lista abrangente de conjuntos de dados de código aberto para computação de voz e som (mais de 95 conjuntos de dados).

Um motor de inferência tudo-em-um em C++ puro para modelos de áudio, alimentado por ggml. Suporta TTS, STT, VAD, conversão de voz, geração de música e mais, com desempenho altamente otimizado. Sem dependência de Python.

Selecione, inicie e gerencie facilmente seus assistentes digitais de IA preferidos no Android.

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

AutoVC: Transferência de estilo de voz zero-shot usando apenas perda de autoencoder

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

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

Deep learning para processamento de áudio

FreeVC: Rumo à conversão de voz one-shot sem texto de alta qualidade

Decomposição não supervisionada de fala via gargalo de informação triplo

Conversão de voz com apenas vizinhos mais próximos

StarGANv2-VC: A Diverse, Unsupervised, Non-parallel Framework for Natural-Sounding Voice Conversion

Um Projeto de Código Aberto para Unificar o Processamento e a Geração de Áudio