Projetos open source sobre “text-to-speech”

Modelo leve de text-to-speech baseado no ZipVoice para clonagem de voz, que gera fala em 48 kHz a até 150x o tempo real na GPU.

Uma skill de agente para Claude Code e Codex que transforma a interface real do seu app em vídeos de lançamento e outros vídeos curtos, editados com música e renderizados localmente.

Biblioteca Python de inferência para o Kokoro-82M, um modelo de conversão de texto em fala com pesos abertos e 82 milhões de parâmetros.

Pacote Python de código aberto que transforma sites, PDFs, imagens, vídeos do YouTube ou temas em conversas de podcast em áudio e vários idiomas usando GenAI.

Aplicativo desktop de código aberto e multiplataforma que transforma prompts de texto e clipes de vídeo em vídeos curtos de marketing com copywriting por IA, narração TTS e edição automática.

Converte mensagens do chat ao vivo do YouTube em fala em tempo real com vozes de IA da ElevenLabs e um painel no navegador para configuração.

App de tradução de fala bidirecional em tempo real para reuniões bilíngues, com provedores na nuvem ou inferência totalmente offline no dispositivo, para desktop e Chrome/Edge.

Web app Gradio voltado para Windows para fluxos de dublagem: download do YouTube, separação de vocais, legendas com Whisper, tradução e TTS com clonagem de voz.

Estúdio de voz open source e totalmente local para clonagem e criação de vozes, dublagem de vídeos, ditado, transcrição e criação de audiolivros em 646 idiomas.

Estúdio de voz com IA open source e local para clonar vozes, gerar fala, ditar em qualquer app e dar voz a agentes de IA.

Ferramenta de código aberto que transforma um tema ou palavra-chave em um vídeo curto pronto, gerando automaticamente roteiro, narração, vídeos de bancos de mídia, legendas e música de fundo.

Editor de vídeo open source e local-first que roda no navegador, com timeline multifaixa e IA no dispositivo para narração, legendas, música e restauração.

Ferramenta local e offline de processamento de voz que reúne TTS, clonagem e conversão de voz, geração de música, STT e aprimoramento de fala em uma CLI/GUI.

Ferramenta para Windows que lê textos exibidos nos jogos com OCR, traduz com IA ou serviços gratuitos e sobrepõe a tradução ao jogo.

Lista selecionada, baseada em README, de modelos gratuitos, locais e de código aberto para clonagem de voz e geração de música, com tabelas comparativas.

Curso prático para criar uma central de atendimento telefônico com agentes de voz de IA usando FastRTC, Superlinked, Twilio, Opik e Runpod.

Sistema open source de produção de vídeos com agentes que transforma um assistente de programação com IA em um estúdio de vídeo com pipeline para pesquisa, roteiros, geração de assets e renderização.

Uma Agent Skill que transforma um tema em um vídeo explicativo narrado, com locução, legendas fixas e imagens de capa, renderizado localmente a partir de HTML.

Skill para agentes de IA que automatiza a edição de vídeos na versão chinesa do JianYing (JianyingPro), do roteiro e da narração às legendas e à exportação.

Transforma um roteiro em um vídeo explicativo narrado ou uma demonstração de produto, usando voz local do Kokoro, marcação de palavras com Whisper e renderização em canvas.