Все репозитории

Лёгкая модель синтеза речи на 82 млн параметров: звучит заметно лучше, чем можно ждать от такого размера, и быстро работает локально.

Кому подойдёт

Тем, кому нужна бесплатная озвучка без облака и тяжёлого железа.

Как начать

  1. Установи: pip install kokoro>=0.9.4 soundfile.
  2. Поставь espeak-ng (на Linux: apt-get -qq -y install espeak-ng).
  3. Создай KPipeline(lang_code='a') и вызови его с текстом и голосом af_heart.

Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.

Звёзды за последние 30 дней

История звёзд копится — график появится через несколько дней.

Описание автора

https://hf.co/hexgrad/Kokoro-82M

Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.

165 тыс.звёзд+664 за 30 дн.Python

Comfy-Org

ComfyUI

Растёт быстрее всех

Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.

136 тыс.звёзд+4,7 тыс. за 30 дн.Python

openai

whisper

Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.

110 тыс.звёзд+1,6 тыс. за 30 дн.Python

RVC-Boss

GPT-SoVITS

Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.

62 тыс.звёзд+1,1 тыс. за 30 дн.Python

ggml-org

whisper.cpp

Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.

54 тыс.звёзд+759 за 30 дн.C++

2noise

ChatTTS

Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.

40 тыс.звёзд+136 за 30 дн.Python