Proyectos open source sobre «text-to-speech»

Modelo ligero de text-to-speech basado en ZipVoice que clona voces y genera audio a 48 kHz hasta 150 veces más rápido que en tiempo real con GPU.

Una skill de agente para Claude Code y Codex que convierte la interfaz real de tu app en videos de lanzamiento y otros clips breves, editados al ritmo de la música y renderizados localmente.

Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.

Paquete de Python de código abierto que convierte sitios web, PDF, imágenes, videos de YouTube o temas en conversaciones de podcast multilingües con GenAI.

Aplicación de escritorio multiplataforma y de código abierto que convierte una instrucción de texto y clips de video en videos cortos de marketing con redacción asistida por IA, voz TTS y edición automática.

Conversión de mensajes del chat en vivo de YouTube a voz en tiempo real con voces de IA de ElevenLabs y un panel web para configurar el sistema.

App de traducción de voz bidireccional en tiempo real para reuniones bilingües, con proveedores en la nube o inferencia totalmente local, para escritorio y Chrome/Edge.

Aplicación web de Gradio centrada en Windows para flujos de doblaje: descarga de YouTube, separación de voces, subtítulos con Whisper, traducción y TTS con clonación de voz.

Estudio de voz de código abierto y totalmente local para clonar y diseñar voces, doblar videos, dictar, transcribir y crear audiolibros en 646 idiomas.

Estudio de voz con IA local y de código abierto para clonar voces, generar voz, dictar en cualquier aplicación y dar voz a agentes de IA.

Herramienta de código abierto que convierte un tema o una palabra clave en un video corto terminado, y automatiza el guion, la narración, las imágenes de archivo, los subtítulos y la música de fondo.

Editor de video de código abierto y centrado en el uso local que funciona en el navegador e integra una línea de tiempo multipista con voz en off, subtítulos, música y herramientas de reparación con IA en el dispositivo.

Herramienta local y sin conexión para procesar voz que combina TTS, clonación de voz, conversión de voz, generación de música, STT y mejora de voz en una CLI/GUI.

Herramienta para Windows que detecta el texto de los juegos en pantalla con OCR, lo traduce mediante IA o servicios gratuitos y muestra la traducción superpuesta.

Catálogo seleccionado, basado en README, de modelos TTS gratuitos, locales y de código abierto para clonar voces, y de modelos para generar música, con tablas comparativas.

Curso práctico para crear un centro de llamadas con agentes de voz con IA usando FastRTC, Superlinked, Twilio, Opik y Runpod.

Sistema de producción de video de código abierto basado en agentes que convierte un asistente de programación con IA en un estudio de video con procesos para investigar, escribir guiones, generar recursos y renderizar.

Una Agent Skill que convierte un tema en un video explicativo narrado, con voz en off, subtítulos integrados e imágenes de portada, renderizado localmente a partir de HTML.

Una skill para agentes de IA que automatiza la edición de video en la versión china de JianYing (JianyingPro), desde el guion y la narración hasta los subtítulos y la exportación.

Convierte un guion en un video explicativo narrado o una demo de producto con una voz local de Kokoro, marcas de tiempo de Whisper y un renderizador en canvas.