Kokoro-FastAPI

Kokoro-82M — Hugging Face

AI モデル

8200万パラメータを持つオープンウェイトのテキスト読み上げ（TTS）モデルです。高品質な音声出力を提供し、より大きなモデルよりも高速でコスト効率が良いです。Apacheライセンスのウェイトを使用しており、さまざまな環境に展開できます。Kokoro-82Mは、8200万パラメータを持つオープンウェイトのテキスト読み上げ（TTS）モデルです。高品質な音声出力を提供し、より大きなモデルよりも高速でコスト効率が良いです。Apacheライセンスのウェイトを使用しており、さまざまな環境に展開できます。

Voice-Pro

AI GitHub リポジトリ

#79

Voice Proは、クリエイターや開発者のために設計されたGradio WebUIです。テキストから音声への変換機能、ゼロショット音声クローン、そして多言語翻訳を提供し、音声処理とコンテンツ作成のための多用途なツールです。

Silero Models

AI GitHub リポジトリ

テキストを音声に変換するプロセスを簡素化するために設計された事前トレーニング済みのテキスト音声合成モデルを提供します。これらのモデルは使いやすさを重視しており、開発者がアプリケーションに統合できるようGitHubで入手可能です。Silero Modelsは、テキストを音声に変換するプロセスを簡素化するために設計された事前トレーニング済みのテキスト音声合成モデルを提供します。これらのモデルは使いやすさを重視しており、開発者がアプリケーションに統合できるようGitHubで入手可能です。

WhisperLiveKit

AI GitHub リポジトリ

ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。WhisperLiveKitは、ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。

MeloTTS

AI GitHub リポジトリ

#96

MyShell.aiによって開発された高品質な多言語テキスト読み上げライブラリです。英語、スペイン語、フランス語、中国語、日本語、韓国語を含む複数の言語をサポートし、TTS機能をアプリケーションに統合しようとする開発者に多様なソリューションを提供します。MeloTTSは、MyShell.aiによって開発された高品質な多言語テキスト読み上げライブラリです。英語、スペイン語、フランス語、中国語、日本語、韓国語を含む複数の言語をサポートし、TTS機能をアプリケーションに統合しようとする開発者に多様なソリューションを提供します。

OpenAI Text To Speech WebUI

AI アプリ

このWeb UIは、OpenAIのText-to-Speech APIを活用して、テキストを自然な音声に変換します。この無料のフロントエンドを利用してオーディオコンテンツを生成するには、ユーザー自身のOpenAI APIキーが必要です。多くの言語に対応しています。

SpeechBrain

AI GitHub リポジトリ

PyTorchに基づいた音声処理タスクのためのオープンソースツールキットです。音声認識、話者認証、言語識別など、さまざまなアプリケーションをサポートし、研究者や開発者に柔軟で拡張可能なプラットフォームを提供します。SpeechBrainは、PyTorchに基づいた音声処理タスクのためのオープンソースツールキットです。音声認識、話者認証、言語識別など、さまざまなアプリケーションをサポートし、研究者や開発者に柔軟で拡張可能なプラットフォームを提供します。

LocalAI

AI GitHub リポジトリ

#44

ユーザーがGPUを必要とせずに任意のハードウェア上でさまざまなモデル（LLM、ビジョン、音声、画像、動画など）を実行できるオープンソースのAIエンジンです。この柔軟性により、多様なアプリケーションにアクセス可能です。LocalAIは、ユーザーがGPUを必要とせずに任意のハードウェア上でさまざまなモデル（LLM、ビジョン、音声、画像、動画など）を実行できるオープンソースのAIエンジンです。この柔軟性により、多様なアプリケーションにアクセス可能です。