tts

🍦 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

Khôi phục giọng nói chung

Một công cụ (trên nền tảng Windows) có thể ghi lại âm thanh tổng hợp (TTS) của trình duyệt Microsoft Edge và xuất ra tệp âm thanh .wav.

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

Trò chuyện bằng giọng nói tự nhiên với Claude Code

Nền tảng quản lý cấp doanh nghiệp bằng Java cho Xiaozhi ESP32, cung cấp giải pháp tích hợp front-end, back-end và server cho giám sát thiết bị, tùy chỉnh âm sắc, chuyển đổi vai trò và quản lý nhật ký trò chuyện

Tiện ích mở rộng Chrome dịch bất kỳ ngôn ngữ nào ngay khi di chuột qua: Trình dịch PDF, EBOOK, EPUB, OCR, TTS, Phụ đề kép NETFLIX, YOUTUBE, GOOGLE DOCS, AI, Trình xem, GMAIL, Viết, Hình ảnh, Phụ đề kép, Manga, Di chuột, Từ điển, WEBTOON, EDGE, Tiếng Nhật, Tiếng Anh

Người ảo tương tác giọng nói thời gian thực, có thể tùy chỉnh ngoại hình và giọng nói, hỗ trợ nhân bản giọng nói, độ trễ phản hồi thấp tới 3 giây.

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.

Dịch giọng nói thời gian thực — macOS & Windows, TTS miễn phí, không cần máy chủ, chỉ dùng khóa API của bạn

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

TTS theo Best practice dựa trên BERT và VITS với một số tính năng Natural Speech của Microsoft; Hỗ trợ stream ONNX!

Công cụ chuyển văn bản thành giọng nói tiếng Trung

Một tích hợp node tùy chỉnh ComfyUI cho chuyển đổi văn bản thành giọng nói và chuyển đổi giọng nói đa ngôn ngữ, đa công nghệ cục bộ. Hỗ trợ: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (cổ điển và đa ngôn ngữ), F5-TTS, Higgs Audio 2, 3 và VibeVoice với độ dài văn bản không giới hạn, thời gian SRT, hỗ trợ nhân vật và nhiều công cụ âm thanh khác

Dịch giọng nói hai chiều thời gian thực cho các cuộc họp song ngữ — tự động phát hiện ngôn ngữ nói và dịch theo cả hai hướng, qua đám mây hoặc hoàn toàn ngoại tuyến trên thiết bị. Hỗ trợ Desktop (Windows · macOS · Linux) và tiện ích mở rộng trình duyệt (Chrome · Edge) cho Zoom, Meet, Teams và mọi ứng dụng.

Bộ công cụ giọng nói AI dành cho Apple Silicon — ASR, TTS, chuyển đổi giọng nói thành giọng nói, VAD và phân đoạn người nói được hỗ trợ bởi MLX và CoreML

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

Thư viện suy luận C++ cho nhiều SVC/TTS

SGLang-Omni hỗ trợ phục vụ hiệu suất cao cho TTS, ASR, các mô hình giọng nói và đa năng (omni).

AI Vtuber để phát trực tuyến trên Youtube/Twitch

NobodyWho là một công cụ suy luận cho phép bạn chạy LLMs cục bộ và hiệu quả trên mọi thiết bị.

GLM-TTS: TTS Zero-shot có thể điều khiển & biểu cảm cảm xúc với Học tăng cường đa phần thưởng

API chuyển đổi văn bản thành giọng nói trực tuyến miễn phí

Chỉ với một lệnh, tạo sách nói có âm thanh tự nhiên từ nhiều định dạng đầu vào khác nhau (epub, mobi, txt, PDF, HTML và nhiều hơn nữa!)

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

Một API HTTP VITS đơn giản, phát triển bằng cách mở rộng Moegoe với các tính năng bổ sung.

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