OpenBMB/VoxCPM

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

VoxCPMは、tokenizerを使わない音声合成(TTS)システムです。VoxCPM2は2Bパラメータのモデルで、30言語、テキストの説明による声の設計、短い音声からの調整可能な声のクローン、48kHzの音声出力に対応します。

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

Apache-2.0 寛容で特許許諾を含みます。商用利用できます。告知を残し、変更点を明記します。

同じ分野のリポジトリ

• heygen-com/hyperframes
  HyperFramesは、HTML、CSS、メディア、任意の時点にシークできるアニメーションを、常に同じ結果になるMP4動画に変換します。CLIから使うことも、企画、HTML作成、lint、プレビュー、レンダリングの流れをまとめたskillを通じてAI coding agentから使うこともできます。
• siddharthvaddem/openscreen
  OpenScreenは、製品デモや操作説明の動画を作るためのオープンソースの画面録画ツールです。ウィンドウまたは全画面の録画、マイクとシステム音声、Webカメラのオーバーレイ、自動または手動のズーム、カーソル効果、端末上での字幕生成に対応します。現在はアーカイブされています。
• Anil-matcha/Open-Generative-AI
  Flux、Kling、Sora、Veoなど複数のモデルでAI画像と動画を生成するセルフホスト型スタジオです。コンテンツフィルターがないと説明しています。ライセンスはMITです。
• microsoft/VibeVoice
  VibeVoiceはオープンソースの音声AIプロジェクトです。音声認識モデルは60分の長い音声を一度に処理し、話者とタイムスタンプ付きのテキストに書き起こします。ストリーミング版は話している最中から書き起こします。
• EvoLinkAI/awesome-gpt-image-2-API-and-Prompts
  GPT-Image-2のAPIとpromptを扱うリポジトリです。READMEの内容がないため、これ以上の説明は記載していません。

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。