Szukam lepszego TTS

Question

Witam, pracuje nad pewnym projektem i obecnie używam System.Speech.Synthesis do odczytywania tekstu. Mamy 2024, mamy sztuczną inteligencje i zastanawiam się czy jest jakiś fajny TTS z głosem AI, który brzmi jak człowiek. Fajnie jakby dało radę użyć tego TTSa w C# i żeby działał offline, nawet jak nie ma dostępu do internetu. Interesuje mnie też żeby działał na windowsie. Może ktoś zna jakąś dobrą bibliotekę na githubie? I w miarę możliwości prostą w użyciu, tak jak to rozwiązanie od microsoftu, z którego teraz korzystam.

Answer 1

Sprawdź:

Vosk Speech Recognition Toolkit
 

Vosk is an offline open source speech recognition toolkit. It enables speech recognition for 20+ languages and dialects - English, Indian English, German, French, Spanish, Portuguese, Chinese, Russian, Turkish, Vietnamese, Italian, Dutch, Catalan, Arabic, Greek, Farsi, Filipino, Ukrainian, Kazakh, Swedish, Japanese, Esperanto, Hindi, Czech, Polish. More to come.

 

Vosk models are small (50 Mb) but provide continuous large vocabulary transcription, zero-latency response with streaming API, reconfigurable vocabulary and speaker identification.

Coqui TTS to rozwidlenie projektu Mozilla TTS, które oferuje wysokiej jakości modele mowy.

• High-performance Deep Learning models for Text2Speech tasks.
  • Text2Spec models (Tacotron, Tacotron2, Glow-TTS, SpeedySpeech).
  • Speaker Encoder to compute speaker embeddings efficiently.
  • Vocoder models (MelGAN, Multiband-MelGAN, GAN-TTS, ParallelWaveGAN, WaveGrad, WaveRNN)
• Fast and efficient model training.
• Detailed training logs on the terminal and Tensorboard.
• Support for Multi-speaker TTS.
• Efficient, flexible, lightweight but feature complete Trainer API.
• Released and ready-to-use models.
• Tools to curate Text2Speech datasets underdataset_analysis.
• Utilities to use and test your models.
• Modular (but not too much) code base enabling easy implementation of new ideas.

eSpeak NG

eSpeak NG to nowoczesna wersja klasycznego eSpeak. Jest to lekka i szybka biblioteka TTS, która działa offline.

sprawdź też

Generative CS
 

Generative AI library for .NET 8.0 with built-in OpenAI ChatGPT and Google Gemini API clients and support for C# function calling via reflection.