Família open source de modelos de voz com IA da Microsoft, com reconhecimento de fala de longa duração (ASR), text-to-speech com vários falantes (TTS) e modelos de TTS em streaming em tempo real.
54,9 mil6,2 milPythonMITAtualizado há 15 dias
snakers4/silero-models
Modelos de síntese de fala pré-treinados da Silero, disponíveis via PyTorch Hub ou pip, para russo e vários idiomas túrquicos, caucasianos e de outros países da CEI.
- Estrelas
- 6,141
- Forks
- 376
- Issues abertas
- 13
- Último commit
- há 7 dias
O que é?
Silero Models é uma coleção de modelos de síntese de fala pré-treinados que podem ser carregados com uma linha de código usando torch.hub.load ou o pacote silero para pip. Os modelos são baixados sob demanda e também podem ser armazenados em cache e executados de forma independente com PyTorch e a biblioteca padrão do Python.
Os modelos são organizados por versão e grupo de idiomas. A linha V5 inclui modelos para russo com tratamento automático de acentuação e homógrafos, além de grandes coleções para idiomas da CEI, como tártaro, cazaque, ucraniano, uzbeque, chuvache, iacuto e vários idiomas caucasianos. Os modelos mais antigos V3 e V4 também incluem inglês, alemão, espanhol, francês e idiomas índicos. Os modelos aceitam taxas de amostragem de 8000, 24000 e 48000 Hz, e os modelos V5 aceitam marcação SSML.
O repositório inclui notebooks do Colab com exemplos de uso. As licenças variam conforme o grupo de modelos: a maioria está sob CC BY-NC 4.0, enquanto os modelos base da CEI estão sob MIT.
Recursos principais
- 01Carrega via torch.hub ou por um pacote pip com uma única linha de código.
- 02Oferece suporte ao russo com tratamento automático de acentuação e homógrafos nos modelos V5.
- 03Disponibiliza várias vozes para idiomas túrquicos, caucasianos e de outros países da CEI.
- 04Aceita marcação SSML nos modelos V5.
- 05Gera áudio a 8000, 24000 ou 48000 Hz e pode ser executado em CPU ou GPU.
Casos de uso
- Adicionar saída de fala em russo ou em idiomas da CEI a um aplicativo Python.
- Gerar comandos de voz ou amostras de áudio para projetos multilíngues.
- Executar TTS offline em uma máquina local com PyTorch e sem API externa.
Início rápido
- 1
Instale o pacote silero do PyPI
pip install silero - 2
Importe silero_tts, carregue um modelo como v5_ru e chame apply_tts com o texto de exemplo
Antes de usar
- Os modelos são licenciados sob CC BY-NC 4.0, que permite apenas o uso não comercial.
- Os modelos são baixados sob demanda, portanto é necessária uma conexão com a internet no primeiro uso.
Em coleções
Tópicos
Perguntas frequentes
- O que é silero-models?
- Modelos de síntese de fala pré-treinados da Silero, disponíveis via PyTorch Hub ou pip, para russo e vários idiomas túrquicos, caucasianos e de outros países da CEI. Silero Models é uma coleção de modelos de síntese de fala pré-treinados que podem ser carregados com uma linha de código usando torch.hub.load ou o pacote silero para pip. Os modelos são baixados sob demanda e também podem ser armazenados em cache e executados de forma independente com PyTorch e a biblioteca padrão do Python.
- silero-models é gratuito? Qual é a licença?
- silero-models é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
- silero-models ainda é mantido?
- Manutenção ativa. O último commit de silero-models foi em 15 de out. de 2026.
- Para que posso usar silero-models?
- Adicionar saída de fala em russo ou em idiomas da CEI a um aplicativo Python. Gerar comandos de voz ou amostras de áudio para projetos multilíngues. Executar TTS offline em uma máquina local com PyTorch e sem API externa.
- Como instalar silero-models?
- Instale o pacote silero do PyPI: pip install silero Importe silero_tts, carregue um modelo como v5_ru e chame apply_tts com o texto de exemplo
- Onde consigo silero-models?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/snakers4/silero-models
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
O VoxCPM2 é um modelo open source de texto para fala, sem tokenizer, que oferece suporte a 30 idiomas, criação de vozes a partir de descrições textuais e clonagem de voz com clipes de referência curtos.
39,9 mil4,5 milPythonApache-2.0Atualizado há 15 dias
Família de modelos open source de text-to-speech da Resemble AI, com clonagem de voz a partir de um trecho curto de referência em inglês e vários outros idiomas.
27,2 mil3,7 milPythonMITAtualizado há 3 meses
Sistema de síntese de fala zero-shot que clona uma voz a partir de um único áudio de referência, com controle de emoção, velocidade e pronúncia.
24,7 mil2,9 milPythonOtherAtualizado há 23 dias
Modelo open source de text-to-speech zero-shot com suporte a mais de 600 idiomas, clonagem de voz e criação de vozes.
15,6 mil2,3 milPythonApache-2.0Atualizado há 3 dias
Sistema open source de text-to-speech baseado em flow matching com Diffusion Transformer, que oferece clonagem de voz zero-shot a partir de um áudio curto de referência.
IA e Machine Learning#text-to-speech#speech-synthesis#flow-matching#diffusion-transformer#voice-cloning
15,4 mil2,3 milPythonMITAtualizado há 8 dias