Herramienta de diseño de voces turcas basada en VoxCPM2 que funciona con una GPU NVIDIA de 4 GB, una interfaz web local y voces sintéticas incluidas.
Este proyecto genera voz con VoxCPM2 en turco y otros siete idiomas. Describes una voz en inglés, el modelo crea varias opciones y eliges una para leer cualquier texto en turco. Las voces diseñadas se reutilizan mediante una grabación de referencia y una semilla fija, para que la voz se mantenga constante de una frase a otra.
El motor es una compilación modificada de audio.cpp que permite alojar el modelo en unos 2,8 GB de VRAM, por lo que funciona en tarjetas como la GTX 1050 Ti. El repositorio incluye un instalador de Windows que se ejecuta con un solo comando, una opción para macOS Apple Silicon con Metal, una opción de Docker para Linux, una pequeña interfaz web local y catorce voces listas para usar, con narradores turcos y nativos de inglés, francés, alemán, español, ruso, chino y japonés.
Incluye una pestaña de clonación de voz para clonar tu propia voz o una voz cuyo propietario haya dado permiso explícito; la interfaz exige esa confirmación antes de ejecutarla.
Descarga y descomprime el ZIP del código desde la página de GitHub
Ejecuta el instalador en PowerShell desde la carpeta descomprimida (se instala en C:\vox)
powershell -NoProfile -ExecutionPolicy Bypass -File scripts\kur.ps1 -Kok C:\voxHaz doble clic en baslat.bat para iniciar la interfaz web local en http://127.0.0.1:8765/
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Kit de herramientas de voz en C++ basado en ggml para síntesis de voz, reconocimiento y detección de actividad de voz, compatible con Metal, Vulkan o CPU y con un servidor compatible con OpenAI.
Familia open source de modelos de voz con IA de Microsoft: reconocimiento de voz de larga duración (ASR), text-to-speech (TTS) para varios hablantes y TTS en streaming en tiempo real.
Sistema open source de texto a voz con clonación de voz, control de emociones en lenguaje natural y generación multivoz, basado en modelos de tipo LLM.
Sistema de texto a voz zero-shot que clona una voz a partir de un único audio de referencia y permite controlar la emoción, la velocidad y la pronunciación.
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
Proyecto de síntesis de voz basado en VITS2 que incorpora BERT multilingüe para mejorar la prosodia y la pronunciación del habla generada.