Python
VoiceStudioで自有ハードウェアにローカルElevenLabs環境を構築
VoiceStudioはクラウド不要のローカル音声合成・クローン・文字起こしツール。GPU上で完全動作し、サブスクリプション不要。オープンソースの力でElevenLabs品質の音声を実現。
#text-to-speech
7 プロジェクト Python
SGLang-Omniで音声・マルチモーダルモデルの高速推論を設定する方法
SGLang-Omniは、音声エンコーディングから音声合成までの複雑なパイプラインを処理する、音声・マルチモーダルモデルのマルチステージ推論に特化したランタイムを提供します。
JavaScript
1つのウィンドウでローカルAIモデルをすべて活用 — Uncensored Local Studioのご紹介
Stable Diffusion、言語モデル、音声認識、テキスト読み上げを1つのアプリに統合したデスクトップクライアント、Uncensored Local Studioをご紹介します。
Python
Alexandriaで任意の書籍をマルチボイス音声作品に変換する方法
AlexandriaはLLM分析とニューラル音声合成を使用して、任意のテキストをマルチボイス音声作品に変換します。仕組みと試す価値があるかどうかを解説します。
Python
MLX-Audio — Apple Silicon Macに声と耳を授ける
MLX-AudioがApple Silicon Macに超高速のTTS、STT、STS機能をもたらします。AppleのMLXフレームワーク 기반으로、Whisper、Kokoro、声のクローンなどに対応し、クラウドコストなしでローカル実行。
Python
IndexTTS2：合成音声が真に自然に聞こえるとき
IndexTTS2は、精密なduration制御と感情分離機能を備えた次世代オープンソース音声合成モデルで、リアルな音声生成を実現します。
21,665
Python
GPT-SoVITS：5秒で声をクローン
GPT-SoVITSは、わずか5秒の音声から-speechを合成できるオープンソースの音声クローンソリューションです。特徴と実用的なアプリケーションについて学びましょう。
59,067