مصدر مفتوح. آفاق جديدة.

FunTTS هي مكتبة لتحويل النص إلى كلام بواجهة موحدة، تدعم التبديل السلس بين محركات TTS مفتوحة المصدر، وتوفر ميزات مثل إنشاء الترجمات، والحوارات متعددة الأدوار، والمعالجة غير المتزامنة.

إطار عمل صوتي كامل النموذجية يبني وكلاء صوتيين باستخدام نماذج مفتوحة المصدر، ينظم خط أنابيب التفاعل الصوتي إلى أربع مراحل قابلة للتبديل: كشف نشاط الصوت، والتحويل من كلام إلى نص، والنموذج اللغوي الكبير، ومن نص إلى كلام.

VoxCPM2 هو نظام تحويل النص إلى كلام مفتوح المصدر من OpenBMB، يستخدم نموذج انتشار ذاتي راجعي بحجم 2 مليار معامل، ويدعم 30 لغة بما في ذلك اللهجات الصينية، مع تصميم الصوت عبر أوصاف نصية واستنساخ صوتي قابل للتحكم وإخراج صوتي بدقة 48 كيلو هرتز.

إطار عمل NVIDIA NeMo Speech مفتوح المصدر مرخص برخصة أباتشي 2.0 مبني على PyTorch، يُستخدم لبناء نماذج ذكاء اصطناعي للكلام وتخصيصها ونشرها، ويغطي التعرف التلقائي على الكلام وتحويل النص إلى كلام ونماذج لغوية كبيرة للكلام، مع نقاط تفتيش مدربة مسبقاً ومسارات تثبيت عبر Docker أو uv.

ESPnet هو مجموعة أدوات لمعالجة الكلام من الطرف إلى الطرف مبنية على PyTorch، تغطي التعرف التلقائي على الكلام، التحويل من نص إلى كلام، الترجمة الصوتية، المعالجة، التمييز بين المتكلمين، والمزيد، مع وصفات قابلة للتكرار ونماذج مسبقة التدريب.