jamiepine/voicebox

外部のオープンソース リポジトリを紹介するページです。HDATFの製品ではありません。

何をするか

短い音声サンプルから声を複製し、複数のTTSエンジンで音声を生成し、ホットキーで任意の入力欄に音声入力できるローカルのAI音声スタジオです。MCP対応のAI agentに声を与えることもできます。

ATFへの役立ち方

私たちの製品とは関係がありません。ランキングに入ったため掲載しています。

ライセンス

MIT 寛容なライセンスです。著作権表示を残せば商用利用と改変ができます。

同じ分野のリポジトリ

• waooAI/waoowaoo
  画像と動画を作るAIワークスペースです。アシスタントと一緒にブリーフを練り、参考資料をアップロードし、キャンバス上で生成と修正を行います。結果を新しいバージョンに修正しても元の結果は残ります。
• dwzhu-pku/PaperBanana
  VLMと画像生成モデルを使って学術論文用の図を作るツールです。Streamlitの画面で使うモデルを選べます。Google ResearchのPaperVizAgentをforkしたプロジェクトです。
• nikopueringer/CorridorKey
  CorridorKeyは、グリーンバックのキーイングを行うニューラルネットワークです。元のグリーンバック映像のフレームから、半透明の縁やモーションブラーも含めて、ピクセルごとに前景の色ときれいなリニアアルファチャンネルを推定します。
• ace-step/ACE-Step-1.5
  ACE-Step 1.5は、Mac、AMD、Intel、CUDAデバイスでローカルに動くオープンソースの音楽生成モデルです。数曲からLoRAを学習させ、自分のスタイルを反映できます。
• hacksider/Deep-Live-Cam
  Deep-Live-Camは、1枚の画像からリアルタイムの顔の入れ替えや動画のdeepfakeを作るツールです。ヌードや過激な映像などの不適切なメディアを防ぐためのチェック機能が組み込まれています。

Trendshiftのランキングに入ったリポジトリだけを載せ、リストは候補を探すためだけに使いました。順位の数字は転載していません。説明、ライセンス、スター数は各GitHubリポジトリで確認しました。解説は私たちの判断です。これらを試験したわけではなく、上昇リストに載ったことは品質の証明ではありません。