Stable Audio es la plataforma de audio generativo de Stability AI para crear música, loops, stems, ambientes y efectos de sonido desde prompts de texto. La familia Stable Audio 3.0 ofrece modelos para experimentación artística y opciones open-weight para investigación y flujos locales.
Open source library for audio/music generation by Meta, which mainly includes two models, MusicGen: text-to-music model, AudioGen: text-generated sound model. - Herramienta de IA inteligente para mejorar tu productividad.
Bark is a transformer-based text-to-audio model created by Suno. Bark can generate highly realistic, multilingual speech as well as other audio - including music, background noise and simple sound effects. - Herramienta de IA inteligente para mejorar tu productividad.
ElevenLabs Sound Effects es un generador text-to-sound-effects para crear SFX, ambientes, loops y audio cinematográfico desde prompts. Permite controlar duración, prompt influence, efectos en loop, variaciones, descargas y workflows API para video, juegos, podcasts y apps.
Mureka es una plataforma de música con IA que genera canciones desde prompts o letras y reúne audio de referencia, Vocal IDs, edición regional, extensión, remix, stems y exportación.
Create music from simple text prompts by specifying topics, genres, and other descriptors which are then transformed into professional quality tracks. - Herramienta de IA inteligente para mejorar tu productividad.
Create stunning original music for free in seconds using AI. Make your own masterpieces, share with friends, and discover music from artists worldwide. - Herramienta de IA inteligente para mejorar tu productividad.
Split vocal and instrumental tracks quickly and accurately with LALAL.AI. Upload any audio file and receive high-quality extracted tracks in a few seconds. - Herramienta de IA inteligente para mejorar tu productividad.
Separate voice from music out of a song free with powerful AI algorithms - Herramienta de IA inteligente para mejorar tu productividad.
So-VITS-SVC 4.1 es un marco de investigación archivado de código abierto para la conversión de voz cantada, no de texto a voz. Esta guía independiente cubre consentimiento, licencias, conjuntos de datos limpios, F0 y codificadores, capacitación, inferencia, evaluación, divulgación, seguridad y alternativas.
Shazam es la app de Apple para reconocer música que suena cerca o dentro de apps compatibles. Sirve para encontrar rápido el tema, letra, vídeo, conciertos y enlaces a Apple Music.
ChatTTS is a text-to-speech model designed specifically for dialogue scenario such as LLM assistant. It supports both English and Chinese languages. - Herramienta de IA inteligente para mejorar tu productividad.
Tetos es un wrapper open source en Python/CLI que ofrece una interfaz unificada para múltiples proveedores de text-to-speech. Sirve a desarrolladores que quieren comparar o cambiar entre Edge TTS, OpenAI, Azure, Google, Volcengine, Baidu, Minimax, Xunfei, Fish Audio y otros motores.
EmotiVoice es un motor TTS open source y gratuito de NetEase Youdao, con múltiples voces y control por prompts. Soporta síntesis en inglés y chino, más de 2.000 voces y control emocional para investigación, prototipos, personajes y apps de voz.
ElevenLabs es una plataforma de voz AI para texto a voz, clonación, doblaje, STT, voice agents y APIs de audio generativo.
A deep learning toolkit for Text-to-Speech, battle-tested in research and production - Herramienta de IA inteligente para mejorar tu productividad.
Hailuo AI TTS es una herramienta vinculada a MiniMax Audio para texto a voz multilingüe, voces IA y clonación de voz.
The best and most realistic voice tools currently available - Herramienta de IA inteligente para mejorar tu productividad.
IndexTTS es el sistema open source de Bilibili para síntesis de voz zero-shot, controlable y eficiente a nivel industrial. Es más útil para investigadores y desarrolladores de voz que para usuarios que buscan una app web pulida.
Whisper Web es una demo MIT de reconocimiento de voz en el navegador con Transformers.js, transcripción local, marcas de tiempo y exportación TXT/JSON.
WhisperX es una canalización abierta para audio largo que añade a faster-whisper transcripción por lotes, alineación forzada por idioma y diarización opcional con pyannote.
WhisperDesktop es una aplicación de escritorio de Windows y una implementación de DirectCompute para ejecutar OpenAI Whisper localmente en entradas de audio, video y micrófono. Esta guía cubre la configuración, los modelos, las GPU, los subtítulos, la privacidad y las alternativas.
Buzz es una aplicación de escritorio gratuita con licencia del MIT para transcripción local de Whisper, subtítulos, subtítulos en vivo, traducción y etiquetado de oradores en macOS, Windows y Linux. Esta guía compara backends, hardware, privacidad, pruebas de precisión, control de calidad de subtítulos, automatización CLI y alternativas en la nube.
Whisper.cpp es una implementación C/C++ sin dependencias de OpenAI Whisper para transcripción, traducción, transmisión, servidores y aplicaciones integradas locales. Esta guía cubre modelos, cuantificación, backends, precisión, privacidad e implementación.