speech-synthesis

🐸💬 - bộ công cụ học sâu cho chuyển văn bản thành giọng nói, đã được kiểm chứng qua thực chiến trong nghiên cứu và sản xuất

VoxCPM2: TTS không cần Tokenizer để tạo giọng nói đa ngôn ngữ, thiết kế giọng nói sáng tạo và nhân bản như thật

Một framework AI tạo sinh có khả năng mở rộng được xây dựng cho các nhà nghiên cứu và lập trình viên làm việc về Mô hình Ngôn ngữ Lớn, Đa phương thức và AI Giọng nói (Nhận dạng Giọng nói Tự động và Chuyển văn bản thành giọng nói)

🧠 Leon là trợ lý cá nhân mã nguồn mở của bạn.

Các tập lệnh Deep Learning tiên tiến được sắp xếp theo các mô hình - dễ huấn luyện và triển khai với độ chính xác và hiệu suất có thể tái tạo trên cơ sở hạ tầng cấp doanh nghiệp.

TTS đa ngôn ngữ, chạy trên thiết bị, cực kỳ nhanh — chạy nguyên bản qua ONNX.

Xây dựng các tác nhân giọng nói với các mô hình mã nguồn mở

Gradio WebUI dành cho người sáng tạo và nhà phát triển, tích hợp các tính năng TTS chính (Edge-TTS, kokoro) và nhân bản giọng nói zero-shot (E2 & F5-TTS, CosyVoice), xử lý âm thanh Whisper, tải xuống YouTube, tách giọng hát Demucs và dịch đa ngôn ngữ.

Bộ công cụ xử lý giọng nói dễ sử dụng, bao gồm mô hình tự giám sát (Self-Supervised Learning), SOTA/Streaming ASR có dấu câu, Streaming TTS tích hợp frontend văn bản, Hệ thống xác thực người nói, Dịch giọng nói đầu cuối và Nhận diện từ khóa. Đạt giải Demo xuất sắc nhất tại NAACL 2022.

Sử dụng dịch vụ chuyển văn bản thành giọng nói trực tuyến của Microsoft Edge từ Python MÀ KHÔNG cần Microsoft Edge, Windows hoặc khóa API

Amphion (/æmˈfaɪən/) là bộ công cụ tạo Âm thanh, Âm nhạc và Tiếng nói. Mục đích của nó là hỗ trợ nghiên cứu có thể tái tạo và giúp các nhà nghiên cứu, kỹ sư trẻ bắt đầu trong lĩnh vực nghiên cứu và phát triển tạo âm thanh, âm nhạc và tiếng nói.

Bộ công cụ xử lý giọng nói đầu cuối (End-to-End)

Bản fork của so-vits-svc hỗ trợ thời gian thực, giao diện cải tiến và nhiều tính năng hơn.

EmotiVoice 😊: Công cụ TTS đa giọng nói và điều khiển bằng prompt

Một thư viện chuyển đổi văn bản thành giọng nói (TTS), giọng nói thành văn bản (STT) và giọng nói thành giọng nói (STS) được xây dựng trên framework MLX của Apple, cung cấp khả năng phân tích giọng nói hiệu quả trên Apple Silicon.

eSpeak NG là một trình tổng hợp giọng nói mã nguồn mở hỗ trợ hơn một trăm ngôn ngữ và giọng địa phương.

StyleTTS 2: Hướng tới Chuyển văn bản thành giọng nói cấp độ con người thông qua khuếch tán phong cách và huấn luyện đối kháng với các Speech Language Model lớn

Silero Models: các mô hình chuyển văn bản thành giọng nói được huấn luyện trước trở nên vô cùng đơn giản

Tạo sách nói từ EPUB, PDF và văn bản với phụ đề đồng bộ.

DiffSinger: Tổng hợp giọng hát qua cơ chế khuếch tán nông (SVS & TTS); AAAI 2022; Mã nguồn chính thức

Một hệ thống chuyển đổi văn bản thành giọng nói mã nguồn mở được xây dựng bằng cách đảo ngược Whisper.

Nền tảng tổng hợp giọng hát mở / Kế nhiệm mã nguồn mở của UTAU

Mô hình nền tảng cho TTS tự nhiên, biểu cảm giống con người

Chuyển đổi văn bản thành giọng nói theo thời gian thực

:stuck_out_tongue_closed_eyes: TensorFlowTTS: Tổng hợp giọng nói thời gian thực tiên tiến cho Tensorflow 2 (hỗ trợ tiếng Anh, Pháp, Hàn, Trung, Đức và dễ thích ứng cho các ngôn ngữ khác)

Lingvo

Mô hình giọng nói MARS5 (TTS) từ CAMB.AI

MARY TTS -- một hệ thống tổng hợp văn bản thành giọng nói đa ngôn ngữ, mã nguồn mở được viết hoàn toàn bằng java

TTS tiếng Việt với khả năng nhân bản giọng nói tức thì • Chạy trên thiết bị • Suy luận CPU thời gian thực • Chất lượng âm thanh 24kHz • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt

HiFi-GAN: Generative Adversarial Networks cho tổng hợp giọng nói hiệu quả và độ trung thực cao