text-to-speech

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

Hệ thống tự động lập trình cho ứng dụng của bạn — Alan AI SDK cho Android

Trình suy luận ONNX & chuyển đổi mô hình cho GPT-SoVITS

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Flutter

Tự động dịch văn bản của video dựa trên tệp phụ đề, sau đó sử dụng các dịch vụ giọng nói AI để tạo một bản âm thanh lồng tiếng & dịch mới với phần lời thoại được đồng bộ hóa theo thời gian của phụ đề.

Tiện ích mở rộng trình duyệt tuyệt vời giúp đọc to nội dung trang web chỉ bằng một cú nhấp chuột

Cách khai báo để chạy các mô hình AI trong React Native trên thiết bị, được hỗ trợ bởi ExecuTorch.

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Ionic

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.

Chủ đề → Video lồng tiếng 4K cho các tác nhân lập trình. v4.0: toàn bộ TTS qua thành phần công cụ ttsCN (11 nền tảng bao gồm nhân bản giọng nói MiniMax, đồng bộ phụ đề cấp từ gốc), Công cụ tài sản dựa trên manifest, bố cục Remotion, tạo AI giới hạn chi phí

Máy chủ MiniMax Model Context Protocol (MCP) chính thức cho phép tương tác với các API Chuyển đổi Văn bản thành Giọng nói, tạo hình ảnh và tạo video mạnh mẽ.

Máy chủ suy luận LLM hiệu năng cao tương thích với OpenAI và Anthropic dành cho Apple Silicon. Hỗ trợ MLX native, continuous batching, các mô hình đa phương thức, gọi công cụ MCP và Claude Code.

Tích hợp ComfyUI toàn diện cho mô hình chuyển văn bản thành giọng nói VibeVoice của Microsoft, hỗ trợ tổng hợp giọng nói một và nhiều người nói chất lượng cao trực tiếp trong quy trình làm việc ComfyUI của bạn.

Soprano: Chuyển đổi văn bản thành giọng nói tức thì và siêu thực tế.

Trò chuyện với Mac của bạn, truy vấn tài liệu mà không cần đám mây. AI giọng nói trên thiết bị + RAG

Talking Head (3D): Một lớp JavaScript để đồng bộ hóa môi thời gian thực sử dụng avatar 3D toàn thân.

Một ứng dụng Python/PyTorch để tổng hợp giọng nói con người một cách dễ dàng

Giao diện cho các mô hình OuteTTS.

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.

🍦 Speech-AI-Forge là một dự án phát triển xung quanh mô hình tạo TTS, tích hợp API Server và WebUI dựa trên Gradio.

Dịch đồng bộ cho video. Lồng tiếng video

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

Tinh chỉnh LLM trên máy Mac của bạn với Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding và tinh chỉnh OCR — chạy gốc trên MLX. API tương thích với Unsloth.

[ICASSP 2024] 🍵 Matcha-TTS: Kiến trúc TTS nhanh với conditional flow matching

[ICLR 2025] Các mô hình codec âm thanh rời rạc SOTA với 40/75 token mỗi giây cho mô hình hóa ngôn ngữ âm thanh

Công cụ suy luận ngoại tuyến cho nghệ thuật, trò chuyện thoại thời gian thực, chatbot hỗ trợ bởi LLM và quy trình làm việc tự động

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.

Giao diện web (webui) cho các mạng neural liên quan đến âm thanh khác nhau.

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