ElevenLabs produit une voix naturelle et clone une voix à partir d’un court extrait, mais chaque caractère passe par une API payante. Ces projets font de la synthèse vocale, et souvent du clonage de voix, en local : l’audio et les voix de référence ne quittent jamais votre machine.
Qualité, vitesse et langues couvertes varient davantage que le nombre d’étoiles ne le laisse penser. Les petits modèles tournent en temps réel sur le processeur d’un portable ; les plus expressifs demandent un GPU récent. Vérifiez la licence de chaque projet avant d’utiliser une voix clonée à des fins commerciales.
Dépôts suivis
35
Nouveaux cette semaine
+1
ajoutés à la liste
Étoiles gagnées en 30 jours
+7,4 k
sur 23 dépôts classés
Mise à jour
17 oct. 2026
Comment cette liste est classée
70 % santé · , 30 % dynamique. Les projets de moins de 12 mois, ou trop récents pour être évalués, figurent parmi les jeunes projets en hausse tant qu’ils gagnent des étoiles.
Comment le score est calculé
La santé (0–100) reflète le rythme des publications, l’activité récente des commits et le nombre de contributeurs actifs.
La dynamique (0–100) correspond aux étoiles gagnées en 30 jours ÷ √(étoiles avant), ramenée à l’échelle de cette collection : un petit projet qui grandit vite peut ainsi passer devant un gros projet.
Un projet de moins de 12 mois (ou trop récent pour être évalué) apparaît parmi les jeunes projets en hausse tant qu’il gagne des étoiles.
Les membres viennent de règles de sélection (thèmes GitHub, mots-clés de la description et du README) et d’une courte liste d’inclusions et d’exclusions tenue à la main. Le classement est recalculé toutes les heures à partir de l’activité publique sur GitHub.
Speech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages
C++Santé : En bonne santéÂge : 4 ansDernière publication le 10 sept. 2026
A scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)
PythonSanté : En bonne santéÂge : 7 ansDernière publication le 7 août 2026
Open-source local AI audio & music studio for macOS & Windows. TTS, voice cloning, songs with lyrics, and multi-track scores — 100% offline, zero API fees.
Claudemy: an open-source alternative to Udemy and Coursera. Give Claude a topic, it researches the web and builds a course of 2-minute audio lessons with cited sources. A free Claude Code skill.
Speech synthesis, speech recognition and voice activity detection for voice conversation, in C++ on ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet and Silero VAD on Metal, Vulkan and the CPU, with an OpenAI-compatible server and live transcription.
Vietnamese TTS with instant voice cloning • On-device • Real-time CPU inference • 48kHz audio quality • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt
A mental-model-first field guide to Audio AI — from raw waveforms to production voice systems. Covers ASR, TTS, audio classification, Transformer architectures (CTC/Seq2Seq), fine-tuning, and real-world pipelines like voice assistants and meeting transcription. Bilingual (EN/FA).