AI Texto a voz

Introducción general sherpa-onnx es un proyecto de código abierto desarrollado por el equipo Next-gen Kaldi para proporcionar soluciones eficientes de reconocimiento y síntesis de voz offline. Es compatible con múltiples plataformas, incluyendo Android, iOS, Raspber...

Introducción general Kokoro-FastAPI es una envoltura FastAPI basada en Docker diseñada para proporcionar soporte para el modelo de texto a voz Kokoro-82M. El proyecto es compatible con la aceleración de la GPU NVIDIA y proporciona procesamiento de colas y empalme automático....

Introducción completa MiniMax Audio es una herramienta de generación de voz AI de MiniMax, cuya característica principal es convertir rápidamente texto en voz natural con alta similitud. Se basa en el modelo Speech-02, con una similitud de síntesis del habla de hasta el 99...

Descripción general SoniTranslate es una herramienta de doblaje multilingüe de vídeo potente y fácil de usar, diseñada para ofrecer una solución de traducción de vídeo y audio sincronizado. Utiliza tecnologías avanzadas de reconocimiento de voz y traducción automática para traducir contenidos de vídeo a varios idiomas y mantener el audio sincronizado. La ...

Introducción general Edge TTS Worker (que depende de edge-tts) es un servicio proxy desplegado en Cloudflare Worker que encapsula el servicio Microsoft Edge TTS en un formato compatible con OpenAI ...

Introducción completa Kokoro-ONNX es una herramienta de texto a voz (TTS) de código abierto basada en el tiempo de ejecución ONNX. Desarrollado por thewh1teagle , el proyecto tiene como objetivo proporcionar soluciones de síntesis de voz eficientes y rápidas.Kokoro-ONNX soporta...

Introducción general IndexTTS es una herramienta de texto a voz (TTS) de código abierto alojada en GitHub y desarrollada por el equipo index-tts. Se basa en la tecnología XTTS y Tortoise , mediante la mejora del diseño del módulo , para proporcionar una eficiente y...

Introducción general Orpheus-TTS es un sistema de texto a voz (TTS) de código abierto desarrollado sobre la arquitectura Llama-3b con el objetivo de generar audio cercano al habla humana natural. Está lanzado por el equipo Canopy AI y es compatible con inglés, español, francés...

Introducción completa ViiTor AI es una potente plataforma de inteligencia artificial centrada en ofrecer servicios de traducción de vídeo de alta calidad, clonación de voz, vídeos de avatares generados por IA y síntesis de voz. La plataforma es compatible con varios idiomas y tiene como objetivo ayudar a los usuarios a lograr fácilmente la creación de contenidos multilingües.ViiTo...

Introducción general GizAI es una plataforma integral con capacidades integradas de generación de IA, toma de notas y almacenamiento en la nube. Los usuarios pueden generar imágenes, vídeos, audios, textos, personajes, historias y juegos con GizAI, y pueden tomar notas colaborativas y almacenamiento en la nube en la plataforma.GizAI proporciona multi...

Introducción general Weights es una plataforma social de creatividad que utiliza IA y que permite a los usuarios crear carátulas de voz, texto a voz, imágenes, música y vídeos con acciones sencillas. La plataforma proporciona una gran cantidad de herramientas y plantillas para ayudar a los usuarios a empezar a crear rápidamente y compartir con la comunidad desde...

Descripción General Vidnoz es una plataforma gratuita de generación de vídeos AI para crear rápidamente vídeos AI en menos de 1 minuto. No requiere coste, descarga ni experiencia. La plataforma ofrece más de 500 avatares AI, más de 470 locuciones AI realistas y más de 500 plantillas. Con Vidnoz AI video...

Introducción general AivisSpeech es un software de síntesis de voz japonés basado en la interfaz de usuario del editor VOICEVOX. Integra el motor AivisSpeech para generar fácilmente el habla rica emocionalmente.AivisSpeech soporta...

Ondoku Introducción general Ondoku es un software de conversión de texto a voz en línea que permite a los usuarios introducir contenido de texto en el cuadro de texto proporcionado por el sitio web, y el software es capaz de convertir el artículo en una lectura de voz de acuerdo con las necesidades del usuario, y admite guardar la voz como un archivo de formato MP3. Este servicio es adecuado tanto para la escucha instantánea...

Introducción general MLX-Audio es una herramienta de código abierto desarrollada sobre la base del marco MLX de Apple, centrada en la funcionalidad de texto a voz (TTS) y de voz a voz (STS). Aprovecha la potencia del silicio de Apple (por ejemplo, los chips de la serie M)...

Descripción general edge-tts es un módulo Python de código abierto que permite a los usuarios utilizar el servicio de texto a voz en línea de Microsoft Edge en código Python sin necesidad del navegador Microsoft Edge, el sistema operativo Windows o la API secreta....

Introducción EmotiVoice es un motor de texto a voz (TTS) con múltiples voces y control de señales emocionales desarrollado por NetEaseYoudao. Este motor TTS de código abierto soporta inglés y chino, tiene más de 2000 voces diferentes, y tiene capacidad de síntesis de emoción para crear voz con...

Introducción completa Vapi es una plataforma de IA de voz para desarrolladores. Permite a los usuarios crear, probar y desplegar asistentes de voz de IA en cuestión de minutos, resolviendo el problema del desarrollo de aplicaciones de voz tradicionales, que requiere mucho tiempo y es difícil de escalar.Vapi proporciona herramientas e infraestructura completas para soportar conversaciones en tiempo real, aplicaciones de...

Introducción general Kokoro WebGPU es una versión WebGPU del modelo de texto a voz (TTS) Kokoro, proporcionado por WebML Community en la plataforma Hugging Face. El proyecto utiliza la tecnología WebGPU para...

Introducción general OuteTTS es un modelo experimental de conversión de texto en habla (TTS) que utiliza un enfoque de modelado lingüístico puro para generar habla de alta calidad. A diferencia de los sistemas TTS tradicionales, OuteTTS no requiere adaptadores externos ni arquitecturas complejas. El modelo se basa en la arquitectura LLaMa...

Introducción general AnyVoice es una plataforma avanzada de generación de voz por IA que ofrece servicios de clonación de voz y generación de voz ultrarrealistas. La plataforma permite a los usuarios convertir texto en habla natural y elegir entre cientos de voces preestablecidas. Si no encuentra la voz adecuada, sólo tiene que...

pyVideoTrans Introducción general pyvideotrans es una herramienta de traducción y doblaje de vídeo. Los usuarios pueden traducir contenidos de vídeo de un idioma a otro, y añadir el doblaje y los subtítulos adecuados al vídeo. Se basa en openai-whisper offline...

Introducción general TTSMaker es una herramienta gratuita de conversión de texto a voz en línea que admite más de 100 idiomas y 300 estilos de voz. Los usuarios pueden convertir texto en habla natural y fluida y descargar archivos de audio para uso comercial. La herramienta es adecuada para doblaje de vídeo, audiolibros, educación y formación...

Introducción general Kokoro 82M es un eficiente modelo de síntesis del habla proporcionado por Hugging Face, diseñado para generar habla de alta calidad con menos parámetros y datos. El modelo tiene 82 millones de parámetros y está licenciado bajo Apache 2.0....

Introducción general ebook2audiobook es una potente herramienta de conversión de ebooks a audiolibros de código abierto. Es capaz de convertir eBooks en múltiples formatos en audiolibros con marcadores de capítulos completos y metadatos. La herramienta utiliza Calibre para la conversión de formatos de e...

Introducción general OpenAI Edge TTS es un proyecto de código abierto que proporciona una API nativa de texto a voz (TTS) compatible con OpenAI. El proyecto utiliza el servicio de texto a voz en línea de Microsoft Edge para...

Introducción general Hume AI es una empresa de IA centrada en la inteligencia emocional, que desarrolla tecnologías de IA multimodal que comprenden las emociones humanas y responden a ellas. Su producto estrella, Empathic Voice Interface (EVI), es capaz de reconocer y responder a las...

FreeTTS Descripción general FreeTTS es una herramienta gratuita de conversión de texto a voz en línea que permite a los usuarios convertir texto en archivos de voz con sonido natural. Con soporte para múltiples idiomas y opciones de sonido, los usuarios pueden convertir texto a formatos MP3, WAV, OGG y ACC...

Introducción general Llasa-3B es un modelo de conversión de texto a voz (TTS) de código abierto desarrollado por el Laboratorio de Audio de la Universidad de Ciencia y Tecnología de Hong Kong (HKUST Audio). El modelo se basa en la arquitectura Llama 3.2B, que ha sido cuidadosamente ajustada para proporcionar una generación de voz de alta calidad que no sólo soporta múltiples...

Introducción general ChatTTS es un modelo generativo del habla diseñado para escenarios de diálogo. Genera un habla natural y expresiva, admite varios idiomas y varios hablantes, y es adecuado para diálogos interactivos. Para ello, el modelo predice y controla con precisión características rítmicas como la risa, las pausas y las interjecciones,...

Introducción general Dia es un modelo de texto a voz (TTS) de código abierto desarrollado por Nari Labs y centrado en la generación de audio de diálogo hiperrealista. Transforma guiones de texto en diálogos realistas de varios caracteres en un solo proceso, admite el control de emociones y entonación, e incluso genera representaciones no verbales....

Introducción general Orate es un conjunto de herramientas de IA centrado en la generación y transcripción de voz. Proporciona una API unificada que se integra a la perfección con los principales proveedores de IA, como OpenAI, ElevenLabs y AssemblyAI, para ayudar a...

Introducción Tencent Smart Shadow es una plataforma de creación de vídeo inteligente en línea lanzada por Tencent, que puede soportar el doblaje de texto, la transmisión humana digital, el reconocimiento automático de subtítulos y otras funciones a través de potentes herramientas de IA proporcionadas por servicios en la nube.

Introducción general Audiblez es un proyecto de código abierto diseñado para convertir libros electrónicos (por ejemplo, en formato .epub) en audiolibros (por ejemplo, en formato .m4b). El proyecto utiliza la tecnología de síntesis de voz de alta calidad de Kokoro para soportar múltiples idiomas y múltiples voces. Los usuarios pueden...

Descript Descripción general Descript es una herramienta de edición de vídeo y podcasts potente pero fácil de usar. Tiene una precisión y velocidad de transcripción líderes en el sector y potentes herramientas de corrección, así como la capacidad de transcribir vídeo a texto con tecnología de IA y editar vídeo editando el texto. Además de...

Introducción general Spark-TTS es una herramienta de conversión de texto a voz (TTS) de código abierto desarrollada por el equipo SparkAudio y alojada en GitHub, diseñada para ayudar a los usuarios a convertir texto en voz natural...

Introducción general MegaTTS3 es una herramienta de síntesis de voz de código abierto desarrollada por ByteDance en colaboración con la Universidad de Zhejiang, centrada en la generación de voz china e inglesa de alta calidad. Su modelo central tiene sólo 0,45 B de parámetros, es ligero y eficiente, admite la generación de habla mixta china e inglesa y la clonación del habla. El proyecto está alojado en ...

Introducción general Uberduck AI es una plataforma innovadora que ofrece síntesis de IA de voces cantadas y habladas para agencias creativas, productores musicales y programadores. Los usuarios pueden elegir diferentes ritmos musicales, generar letras mediante IA o escribir las suyas propias, seleccionar sonidos específicos y, en definitiva, crear canciones de rap....

Introducción general El doblaje de YouTube es una plataforma de doblaje inteligente diseñada para ofrecer servicios de doblaje multilingüe a creadores y espectadores de vídeos. A través de la tecnología de IA, la plataforma es capaz de traducir y generar automáticamente doblajes de vídeos de YouTube, soportando múltiples idiomas y estilos de voz. Los usuarios sólo tienen que instalar...

Descripción general MemoAI es una potente herramienta de traducción de vídeo diseñada para convertir archivos de vídeo y audio en texto, subtítulos y notas. Ya sea un vídeo de YouTube, un podcast o un archivo local, MemoAI puede manejarlo con facilidad. Es compatible con más de 90 idiomas como chino, inglés, japonés...

Introducción general Listnr es un software de texto a voz con un motor de IA generativa que crea síntesis de voz en más de 1.000 voces diferentes en más de 142 idiomas, incluyendo la clonación de su propia voz. La plataforma da servicio a más de 1 millón de usuarios en vídeos cortos, YouTub...

Introducción general Murf AI es una potente herramienta de generación de voz de inteligencia artificial en línea que convierte texto en voz humana casi real. Ofrece hasta 120 + opciones de voz AI, soporta 20 + idiomas, y es adecuado para una variedad de situaciones tales como podcasts, videos, presentaciones profesionales, etc.Mu...

Synthesis Muyan-TTS es un modelo de texto a voz (TTS) de código abierto diseñado para podcasts. Está preentrenado con más de 100.000 horas de datos de audio de podcasts y admite la síntesis de voz de muestra cero para generar voz natural de alta calidad. El modelo se basa en Llama-3.2-3...

Introducción general XAudioPro es una herramienta avanzada de edición y transcodificación de audio en tiempo real en línea que es a la vez profesional y portátil. Soporta funciones profesionales de edición de audio como cortar, recortar, copiar, borrar, restaurar y controlar la ganancia de amplitud. También ofrece servicios de eliminación de ruido, como reducción de ruido por sustracción espectral,...

Introducción general PlayAI es una plataforma de IA centrada en la generación y clonación del habla. Ofrece una amplia gama de modelos de voz capaces de generar diálogos fluidos y emotivos. Los usuarios pueden utilizar la plataforma para crear agentes de voz personalizados que mejoren la experiencia interactiva.La tecnología de PlayAI aplica...

Introducción completa Magic Voice Workshop es una plataforma integral de doblaje de vídeos cortos y de IA con información sobre doblaje por software, doblaje real, bibliotecas de sonido, servicios de clonación y mucho más. La plataforma integra edición de audio, generación de copias de IA, edición de vídeo y herramientas de colaboración para servicios relacionados con el audio y la creación de contenidos. Los usuarios experimentan el editor de audio...

Introducción general PDF2Audio es un proyecto de código abierto diseñado para convertir archivos PDF en contenidos de audio como podcasts, conferencias y resúmenes. La herramienta aprovecha el modelo GPT de OpenAI para la generación de texto y la conversión de texto a voz, y permite a los usuarios cargar varios PDF ...

Introducción general Jellypod es un potente estudio de podcasts de AI diseñado para ayudar a los usuarios a crear, editar y publicar fácilmente podcasts de AI de alta calidad. Con Jellypod, los usuarios pueden diseñar anfitriones de podcast personalizados, refinar guiones y publicar podcasts a...

Introducción general NotebookLM es una herramienta de colaboración personalizada con IA de Google diseñada para ayudar a los usuarios a utilizar su mente al máximo. Los usuarios pueden cargar documentos y NotebookLM domina al instante el contenido de estas fuentes, facilitando la lectura...

Introducción completa Record Cafe es una plataforma integral de procesamiento de audio/vídeo que proporciona servicios de diálogo de vídeo AI, subtítulos AI y conversión de voz a texto AI. Las funciones incluyen grabación de pantalla, edición de vídeo, conversión de GIF/audio, etc., y admite almacenamiento y uso compartido en la nube. La interfaz es intuitiva y fácil de usar, y también es compatible con la grabación multi-pantalla y multi-lenguaje inteligente ...

Introducción general ElevenLabs MCP es un proyecto oficial de código abierto de ElevenLabs alojado en GitHub. Es un servicio basado en el Protocolo de Control de Modelos (Model Context Protocol, MCP)....

Introducción general Parler-TTS es una biblioteca de modelos de texto a voz (TTS) de código abierto desarrollada por Hugging Face, diseñada para generar habla de alta calidad y sonido natural. El modelo es capaz de generar habla a partir de un texto de entrada con un estilo de locutor específico (por ejemplo, género, tono, estilo de habla...

Descripción general Dupdub es una plataforma de creación de podcasts y presentaciones de vídeo que ofrece una serie de herramientas de IA para apoyar la creatividad de los usuarios. Sus funciones abarcan la creación de texto a vídeo, ofreciendo servicios de doblaje de voz y vídeo con IA, así como edición de vídeo, transcripción y subtitulación. Dupdub es también ...

Introducción completa Tease Dubbing es un popular software de doblaje AI con más de 5 millones de usuarios. El software utiliza tecnología avanzada de doblaje inteligente AI para proporcionar efectos de doblaje profesionales y realistas, que es adecuado para vídeos cortos, producción de anuncios, educación y formación y otros escenarios. Teaser Dubbing se compromete a proporcionar a los usuarios...

Introducción completa csm-mlx se basa en el framework MLX desarrollado por Apple, optimizado específicamente para el modelo de diálogo de voz CSM (Conversation Speech Model) de Apple Silicon (Apple Silicon). Este proyecto permite el uso...

Introducción general Open-VoiceCanvas es una plataforma de síntesis de voz de código abierto desarrollada por el equipo ItusiAI. Soporta más de 50 idiomas, y puede convertir texto en habla natural, así como clonar voces personalizadas subiendo audio. El proyecto integra Ope...

Introducción exhaustiva Easy-Voice-Toolkit es un conjunto de herramientas multifuncionales basado en el Open Source Speech Project, que proporciona una amplia gama de herramientas de audio automatizadas para el reconocimiento del habla, la transcripción del habla, la conversión del habla, la creación de conjuntos de datos y el entrenamiento de modelos. Los usuarios pueden utilizar estas herramientas de forma selectiva según sus necesidades...

Introducción general Kimi-Audio es un modelo de base de audio de código abierto desarrollado por Moonshot AI, centrado en la comprensión, generación y diálogo de audio. Es compatible con una amplia gama de tareas de procesamiento de audio, como el reconocimiento del habla, el Q&A de audio y el reconocimiento de las emociones del habla. El modelo se ha probado en más de 130...

Introducción general ElevenLabs es una startup con sede en Nueva York, EE.UU., especializada en el campo de la IA generativa del habla. La empresa ofrece una gama de potentes servicios para el habla generada por texto, el habla generada por voz, la clonación del habla y el reconocimiento del habla.ElevenLabs destaca en...

Introducción general "Cat & Star" (maoyuxing.com) es una plataforma interactiva de creación de cuentos diseñada para niños, que ayuda a padres e hijos a crear juntos cuentos de hadas personalizados a través de aplicaciones móviles. Los usuarios pueden introducir información como el nombre del niño y sus preferencias para generar contenidos de cuentos únicos....

Introducción general Podcastle es una plataforma en línea basada en IA que se especializa en ayudar a los usuarios a crear y editar rápidamente podcasts de alta calidad. Integra funciones de grabación, edición y publicación, y los usuarios pueden hacerlo todo a través de un navegador sin necesidad de equipos especializados ni software complejo. La plataforma utiliza ...

Introducción completa Himalaya Audio Editor es una plataforma completa de creación de audio AI. Ofrece potentes funciones que ayudan a los usuarios con la producción de podcast de nivel profesional, grabación multipista, edición de audio, y la capacidad de convertir texto a voz. La plataforma también contiene múltiples opciones para voz profesional, ayudando a los usuarios...

Introducción general Open NotebookLM es un proyecto de código abierto diseñado para convertir cualquier documento PDF en un podcast. La herramienta utiliza modelos de código abierto Large Language Model (LLM) y Text-to-Speech (TTS) para procesar contenidos PDF y generar diálogos naturales adecuados para podcasts de audio....

Introducción general IMS Toucan es un avanzado kit de herramientas de conversión de texto a voz (TTS) desarrollado por el Instituto de Procesamiento del Lenguaje Natural (IMS) de la Universidad de Stuttgart (Alemania). El kit de herramientas es compatible con más de 7000 idiomas y es rápido, controlable y requiere pocos recursos informáticos.IMS...

Introducción general Autiobooks es una herramienta de código abierto diseñada para ayudar a los usuarios a convertir rápidamente libros electrónicos en formato .epub a audiolibros en formato .m4b. Utiliza tecnología de síntesis de voz de alta calidad proporcionada por Kokoro para generar un audio natural y fluido. Esta herramienta fue desarrollada por...

Introducción general PodLM es una plataforma de generación de podcast de IA de última generación diseñada para ayudar a los usuarios a convertir rápidamente texto, documentos o contenido de URL en audio de podcast de alta calidad. Al aprovechar la tecnología de IA de vanguardia, PodLM es capaz de generar automáticamente guiones de podcast estructurados y atractivos y...

Introducción general Podcastfy es un paquete Python de código abierto que utiliza la tecnología de Inteligencia Artificial Generativa (GenAI) para convertir contenidos web, archivos PDF, texto, imágenes, vídeos de youtube y muchas otras fuentes en...

Introducción completa Seaweed AI es un producto de doblaje inteligente que puede convertir texto en voz en línea, impulsado por la plataforma abierta Yun Zhisheng AI. Los usuarios pueden ayudarse a sí mismos para lograr la clonación de voz, y proporcionar AI pronunciadores de diferentes géneros, acentos e idiomas, y directamente doblar la voz después de introducir el texto. Puede doblar rápidamente...

Introducción general Audibit es un proyecto de código abierto, la función principal es Hacker News, TechCrunch y otros artículos populares de tecnología convertidos automáticamente en podcasts de audio, para que los usuarios en el viaje, la aptitud, u ocupado al escuchar la información a través de la Web o móvil. El proyecto hace ...

Introducción general Wondercraft es una revolucionaria plataforma de creación de audio y vídeo basada en IA que ofrece a los creadores de contenidos una solución integral para la producción de audio y vídeo. Utilizando tecnología avanzada de IA, la plataforma es capaz de convertir contenido de texto en habla natural y fluida, soportando más de 20 idiomas....

Introducción general PlayHT es una eficiente plataforma en línea centrada en la generación de voz AI para ayudar a los usuarios a convertir rápidamente texto en voz natural y realista. Ofrece más de 600 voces de IA compatibles con más de 60 idiomas y diversos acentos para la producción de podcasts, contenido educativo, promoción de marketing...

Introducción general Resemble AI es una plataforma de síntesis de voz de inteligencia artificial diseñada para la empresa. La plataforma proporciona tecnología puntera de generación de voz mediante IA y detección profunda de audio falso para la futura seguridad de la información. Entre sus funciones se incluyen la clonación de voz, la detección profunda de audio falsificado en tiempo real, la tecnología de marca de agua de IA...

Descripción general NotebookLM Podcast es una plataforma innovadora que utiliza tecnología de inteligencia artificial para transformar cualquier contenido textual en podcasts de audio dinámicos y atractivos. Tanto si eres estudiante, educador, creador de contenidos o un profesional ocupado, NotebookLM...

Introducción general Acoust es una plataforma de servicios de generación de voz y texto a voz (TTS) de IA en línea que utiliza la última tecnología de IA para generar voz realista. La plataforma también proporciona potentes herramientas de edición de vídeo que permiten a los usuarios completar la producción de vídeo sin...

Introducción general Text2Voice es una herramienta de código abierto que proporciona funcionalidad de texto a voz basada en una API de movilidad basada en silicio, con una interfaz gráfica de usuario (GUI) limpia como su mejor característica. Fue creada por el desarrollador Sheldon Lee en GitHub para permitir...

Introducción general Paper to Podcast es una herramienta de código abierto especializada en transformar trabajos de investigación académica en podcasts animados y entretenidos. Utiliza tecnología de inteligencia artificial para convertir un documento en formato PDF en un diálogo entre tres personajes (el anfitrión, el alumno y el experto) para...

Introducción general TTS Importer es un proyecto de código abierto diseñado para importar fácilmente los servicios de síntesis de voz Azure TTS (Text-to-Speech) en una variedad de software de lectura. La herramienta es compatible con varios software de lectura populares, incluyendo Read (legado...

Introducción general NVIDIA AI Blueprint: PDF to Podcast es un proyecto de código abierto desarrollado por NVIDIA para convertir documentos PDF en atractivos contenidos de audio. El proyecto aprovecha NVIDIA NIM (NVID...

Introducción completa QuickPiperAudiobook es un proyecto de código abierto diseñado para convertir una variedad de formatos de texto (por ejemplo, epub, mobi, txt, PDF, HTML, etc) en audiolibros de sonido natural a través de un simple comando. La herramienta utiliza Pi...