speech-synthesis

Một ứng dụng ChatGPT mã nguồn mở có tích hợp giọng nói

Chuyển văn bản thành giọng nói có thể kiểm soát và nhanh chóng cho hơn 7000 ngôn ngữ!

một phần mềm tổng hợp giọng nói mã nguồn mở và miễn phí cho tiếng Nga và các ngôn ngữ khác

Bản triển khai không chính thức của Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) bằng PyTorch

Ứng dụng Speech Note trên Linux. Ghi chú, đọc và dịch với tính năng Chuyển giọng nói thành văn bản, Chuyển văn bản thành giọng nói và Dịch máy ngoại tuyến.

Các node tùy chỉnh mở rộng tính năng của ComfyUI

Software Automatic Mouth - Trình tổng hợp giọng nói nhỏ gọn

Tiền huấn luyện giọng nói-văn bản đơn modal thống nhất cho xử lý ngôn ngữ nói

Tự triển khai mô hình Chatterbox TTS mạnh mẽ. Máy chủ này cung cấp Web UI thân thiện với người dùng, các điểm cuối API linh hoạt (bao gồm tương thích với OpenAI), giọng đọc có sẵn, nhân bản giọng nói và xử lý văn bản quy mô sách nói lớn. Chạy tăng tốc trên NVIDIA (CUDA), AMD (ROCm) và CPU.

💎 Danh sách các kho ngữ liệu giọng nói có thể truy cập cho ASR, TTS và các Công nghệ Giọng nói khác

Khôi phục giọng nói chung

Hệ thống phân tích, xử lý và tổng hợp giọng nói chất lượng cao

StreamSpeech là một mô hình liền mạch "tất cả trong một" dành cho nhận dạng giọng nói ngoại tuyến và đồng thời, dịch giọng nói và tổng hợp giọng nói.

Mô hình chuyển văn bản thành giọng nói dựa trên Flow Matching với khả năng kiểm soát phong cách điều khiển bằng Emoji

Triển khai chính thức bằng PyTorch của BigVGAN (ICLR 2023)

Irina - trợ lý giọng nói tiếng Nga hoạt động ngoại tuyến. Hỗ trợ kỹ năng thông qua các plugin.

AI Vtuber để phát trực tuyến trên Youtube/Twitch

AutoVC: Chuyển đổi phong cách giọng nói Zero-Shot chỉ với Autoencoder Loss

YourTTS: Hướng tới TTS đa người nói Zero-Shot và Chuyển đổi giọng nói Zero-Shot cho mọi người

Mã nguồn mẫu Microsoft Text-to-Speech API bằng nhiều ngôn ngữ, là một phần của Cognitive Services.

Trình tạo sách nói đa giọng nói hỗ trợ bởi AI — chú thích kịch bản LLM, nhân bản giọng nói, thiết kế giọng nói, huấn luyện LoRA, kiểm soát phong cách theo từng dòng, và xuất ra MP3, M4B chia chương, hoặc đa rãnh Audacity. Xây dựng trên Qwen3-TTS.

NISQA - Đánh giá chất lượng giọng nói không xâm nhập và độ tự nhiên của TTS

Làm cho giọng nói TTS tự nhiên của Azure có thể truy cập được đối với bất kỳ ứng dụng tương thích SAPI 5 nào.

Hệ thống TTS nền tảng mã nguồn mở được hỗ trợ bởi LLM

Một LLM có khả năng trò chuyện chạy trên máy tính cá nhân của bạn mà không cần kết nối Internet.

DiffWave là một bộ tổng hợp dạng sóng và bộ tạo giọng nói neural nhanh chóng, chất lượng cao.

Confucius4-TTS: Công cụ TTS Zero-Shot đa ngôn ngữ và xuyên ngôn ngữ

Trợ lý giọng nói thời gian thực — hỗ trợ truyền phát WebRTC, ASR faster-whisper, LLM cục bộ, TTS Vui Nano (300M). Tương thích với OpenAI Realtime API. Hỗ trợ sao chép giọng nói, ngắt lời, đạt tốc độ ~9× thời gian thực trên card 4090. Giấy phép Apache 2.0.

Thorsten-Voice: Giọng nói TTS tiếng Đức chất lượng cao, hoạt động ngoại tuyến và miễn phí, dành cho mọi dự án mà không gặp rắc rối về giấy phép.

Các bài báo INTERSPEECH 2023-2024: Bộ sưu tập đầy đủ các bài nghiên cứu có ảnh hưởng và thú vị từ hội nghị INTERSPEECH 2023-24. Khám phá những tiến bộ mới nhất trong xử lý ngôn ngữ và giọng nói. Bao gồm mã nguồn. Hãy gắn sao cho kho lưu trữ để ủng hộ sự phát triển của công nghệ giọng nói!