Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.
Все репозитории
Голос, видео, мультимодальностьresemble-ai
chatterbox
Открытая модель синтеза речи от Resemble AI с клонированием голоса по короткому образцу. Ставится одной командой из PyPI.
Кому подойдёт
Разработчикам, которым нужен быстрый старт с качественной озвучкой на своём железе.
Как начать
- Установи:
pip install chatterbox-tts. - Или из исходников:
git clone https://github.com/resemble-ai/chatterbox.git, затемcd chatterboxиpip install -e .. - Запусти пример синтеза из раздела Usage в README.
Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.
Звёзды за последние 30 дней
+4596 сент. — 5 окт.
Описание автора
SoTA open-source TTS
Ещё в категории «Голос, видео, мультимодальность»
Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.
Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.
Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.
Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.
Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.