voice-cloning

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.

MimikaStudio - Ứng dụng ưu tiên cục bộ cho macOS (Apple Silicon) hỗ trợ Agentic MCP

API chuyển văn bản thành giọng nói (TTS) cục bộ, tương thích với OpenAI sử dụng Chatterbox, cho phép người dùng tạo giọng nói nhân bản ở bất kỳ đâu sử dụng OpenAI API (ví dụ: Open WebUI, AnythingLLM, v.v.)

Chuyển đổi PDF và EPUB thành sách nói; phụ đề hoặc video thành video lồng tiếng (bao gồm dịch thuật) và nhiều tính năng khác. Miễn phí. Pandrator sử dụng các mô hình cục bộ, bao gồm nhân bản giọng nói (tức thì, tăng cường RVC, tinh chỉnh XTTS) và xử lý LLM. Hướng tới mục tiêu là một ứng dụng thân thiện với người dùng, có giao diện đồ họa, trình cài đặt và các gói tất cả trong một.

YouDub là một công cụ mã nguồn mở được thiết kế để tự động hóa việc dịch và lồng tiếng cho các video YouTube chất lượng cao nhằm đăng tải lên internet Trung Quốc. Công cụ này sử dụng công nghệ nhận dạng giọng nói AI để chuyển đổi âm thanh thành văn bản, sau đó dịch văn bản sang tiếng Trung thông qua mô hình ngôn ngữ lớn, và cuối cùng sử dụng công nghệ sao chép giọng nói AI để chuyển đổi văn bản tiếng Trung thành âm thanh, tạo ra video lồng tiếng Trung với chất giọng gốc của YouTuber.

Node tùy chỉnh ComfyUI cho VibeVoice TTS. Hỗ trợ âm thanh hội thoại biểu cảm, dài và đa người nói

Phiên bản sửa đổi của Chatterbox chấp nhận tệp văn bản làm đầu vào và không giới hạn ký tự, được sử dụng để tạo sách nói

Chạy Qwen3-TTS chuyển văn bản thành giọng nói cục bộ trên Mac (M1/M2/M3/M4). Hỗ trợ nhân bản giọng nói, thiết kế giọng nói, giọng nói tùy chỉnh. Hoạt động 100% ngoại tuyến bằng MLX.

Mô hình đối thoại bằng giọng nói đầu cuối thời gian thực mã nguồn mở đầu tiên trên thế giới với tính năng nhân bản giọng nói cá nhân hóa

Các node OmniVoice TTS cho ComfyUI - Chuyển văn bản thành giọng nói đa ngôn ngữ zero-shot với khả năng sao chép giọng nói, thiết kế giọng nói và hội thoại đa người nói

Node ComfyUI cho giọng nói biểu cảm cao và nhân bản giọng nói zero-shot thực tế.