Código aberto. Novas possibilidades.

O ESPnet é um kit de ferramentas de processamento de fala de ponta a ponta baseado em PyTorch, cobrindo ASR, TTS, tradução de fala, aprimoramento, diarização e mais, com receitas reproduzíveis e modelos pré-treinados.

FunTTS é uma biblioteca de texto para fala com interface unificada, que suporta a alternância perfeita entre vários motores de TTS de código aberto, oferecendo geração de legendas, diálogos multi-personagens e processamento assíncrono.

Speech To Speech é um framework modular para construir agentes de voz com modelos open-source, organizando o pipeline em VAD, STT, LLM e TTS, com suporte a APIs openai, inferência local e baixa latência via WebSocket e WebRTC.