Reson8/Rumble-2-Flash là một mô hình Automatic Speech Recognition (ASR) mới trên Hugging Face, được tối ưu cho việc chuyển đổi giọng nói thành văn bản nhanh và chính xác. Nó có thể được tích hợp vào các ứng dụng chat, trợ lý ảo hoặc công cụ nhận diện ngôn ngữ. Model được phát hành với mã nguồn mở, dễ dàng tùy chỉnh và triển khai.
Mô hình audio-to-audio voice-isolator từ Inworld, có thể tách tiếng ồn và làm rõ âm thanh. Công cụ thú vị cho xử lý âm thanh bằng AI.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề) · Tự động trọn gói — từ kịch bản ra video thành phẩm
Workflow tự động hóa từ script đến xuất bản video lên Telegram, tích hợp visual media pipeline. Giúp content creator giảm thiểu thao tác thủ công, tăng tốc độ đăng bài. Mã nguồn mở, có thể tùy biến cho các nền tảng khác.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề)
Open source voice AI platform. Self-hosted alternative to Vapi and Retell. On Prem, BYOK across Speech to Speech or LLM/STT/TTS, with a visual workflow builder, MCP native and telephony support.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề) · Tự động trọn gói — từ kịch bản ra video thành phẩm
CapCap là ứng dụng Windows hỗ trợ toàn diện việc localizing và lồng tiếng video ngắn, tích hợp các tính năng transcription, dịch thuật, tạo giọng nói và chỉnh sửa timeline. Công cụ này cực kỳ hữu ích cho việc sản xuất nội dung đa ngôn ngữ hoặc làm MMO video.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng
最好用的 Android 离线语音克隆与三语 TTS(误)——基于 GPT-SoVITS,支持中日英。 | The best offline voice cloning & trilingual TTS on Android (jk) — powered by GPT-SoVITS (ZH/JA/EN).
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Khớp môi / người ảo — làm nhân vật nói theo audio · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề)
Dự án ComfyUI này cho phép tạo video người ảo (digital human) từ một ảnh duy nhất hoàn toàn offline. Kết hợp Qwen3-TTS và MiniMax H3, hỗ trợ nhiều phong cách chỉnh sửa, phù hợp để làm nội dung tự động hóa.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng
Mô hình text-to-speech cực nhẹ chỉ với 4.5 triệu tham số, hỗ trợ hai giọng nói tiếng Anh. Dự án này đáng chú ý vì khả năng chạy trên các thiết bị tài nguyên thấp hoặc ứng dụng cần tối ưu hóa tốc độ.
Mô hình audio-to-audio Haru-4B được đăng tải trên HuggingFace, có thể áp dụng cho các ứng dụng âm thanh real-time.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng
VieNeu-TTS là công cụ chuyển văn bản thành tiếng Việt với khả năng nhân bản giọng nói tức thì, chạy trên thiết bị, suy luận CPU thời gian thực và chất lượng âm thanh 48kHz. Phù hợp cho các ứng dụng cần TTS tiếng Việt chất lượng cao offline.
Continuous autoregressive TTS relies on an acoustic target that enables stable next-latent modeling while preserving fine-grained acoustic details. While existing approaches employ learned compressed representations (e.g., continuous VAE latents) to render prediction tractable, t…
arXiv:2611.14965v1 Announce Type: new Abstract: Parallel test-time scaling (TTS) has been shown to enhance reasoning in large language models by generating and aggregating multiple independent reasoning paths. Internal confidence scores can further improve this process by identi…
Posted by Alexander A. Shvedov on Nov 18 Product: GPAC (MP4Box) Affected: GPAC < 26.07.0 Reproduced on 26.03-DEV-rev329-g8f5b30243-master Commit 8f5b302439e9ac08f92faeef18c1d97cc77698bf Fixed: 25081b9610477fc8de48d2f1cadd3fd232a9dcbc CVE: …
A Lack of ownership verification on the Hugging Face platform allowed researchers to take control of Kokoro, a text-to-speech model used in projects from Google, NVIDIA, AMD, Intel, and Amazon Web Services. [...]
A Lack of ownership verification on the Hugging Face platform allowed researchers to take control of Kokoro, a text-to-speech model used in projects from Google, NVIDIA, AMD, Intel, and Amazon Web Services. [...]