Awesome GitHub RepositoriesSpeech Synthesis Libraries

espeak-ng es un motor de texto a voz multilingüe y biblioteca basada en C que convierte texto escrito en audio hablado a través de varios idiomas, acentos y dialectos regionales. Funciona tanto como una interfaz programática para embeber capacidades de síntesis en aplicaciones externas como un convertidor de texto fonético que traduce texto escrito en códigos de fonemas. El sistema utiliza múltiples métodos de síntesis, incluyendo síntesis de formantes para generar sonidos vocales matemáticamente y síntesis de difonos para producir audio concatenando segmentos fonéticos pregrabados. Incorpora un procesador de voz capaz de analizar etiquetas SSML y HTML para controlar el tono y el tiempo del audio. El motor proporciona herramientas para el diseño de voces personalizadas y la personalización de la pronunciación del idioma a través de mapas de traducción de fonemas y archivos de definición. Soporta la exportación de archivos de audio a formato WAV, ajuste de velocidad de reproducción y la generación de datos fonéticos para análisis lingüístico. Una interfaz de línea de comandos está disponible para activar la generación de voz y gestionar los ajustes de salida de audio.

RealtimeTTS es un motor de texto a voz (TTS) en tiempo real y procesador de flujos diseñado para convertir texto o flujos de tokens en reproducción de audio con una latencia mínima. Proporciona una interfaz programática para gestionar flujos de audio, el progreso de la síntesis y la integración de motores de voz locales o basados en la nube. El sistema incluye una herramienta de clonación de voz neuronal que genera voz sintética extrayendo características acústicas de muestras de audio de referencia. Utiliza una abstracción basada en proveedores para enrutar las solicitudes de síntesis a través de diferentes modelos neuronales y APIs en la nube. El proyecto cubre una serie de dominios funcionales que incluyen control de reproducción asíncrona, síntesis de audio a partir de flujos de tokens y flujos de trabajo de sincronización de voz que activan callbacks a nivel de palabra o carácter. También admite la exportación de audio sintetizado directamente a archivos WAV para almacenamiento persistente.