voice-conversion

🐸💬 - 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

Dễ dàng huấn luyện mô hình VC tốt với dữ liệu giọng nói <= 10 phút!

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.

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.

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

Công cụ chuyển đổi giọng nói đơn giản, chất lượng cao, tập trung vào tính dễ sử dụng và hiệu năng.

[AutoArk] GPA (General Purpose Audio) có thể thực hiện ASR, TTS và chuyển đổi giọng nói chỉ với một mô hình nhỏ gọn!

🔊 Danh sách toàn diện các tập dữ liệu mã nguồn mở cho điện toán giọng nói và âm thanh (hơn 95 tập dữ liệu).

Một công cụ suy luận C++ thuần túy, tất cả trong một dành cho các mô hình âm thanh, được hỗ trợ bởi ggml. Hỗ trợ TTS, STT, VAD, chuyển đổi giọng nói, tạo nhạc và nhiều tính năng khác với hiệu năng được tối ưu hóa cao. Không phụ thuộc Python.

Dễ dàng lựa chọn, khởi ộng và quản lý các trợ lý ảo AI ưa thích của bạn trên Android.

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

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

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

Học sâu (Deep learning) cho xử lý âm thanh.

FreeVC: Hướng tới chuyển đổi giọng nói one-shot chất lượng cao không cần văn bản.

Phân tách giọng nói không giám sát thông qua Triple Information Bottleneck.

Chuyển đổi giọng nói chỉ với Nearest Neighbors

StarGANv2-VC: Một framework đa dạng, không giám sát và không song song dành cho chuyển đổi giọng nói tự nhiên.

Dự án mã nguồn mở nhằm hợp nhất quá trình xử lý và tạo âm thanh