Código aberto, fala para texto e texto para fala, testado

1 min de dados de voz também pode ser usado para treinar um bom modelo TTS! (clonagem de voz com poucos exemplos)

O que o teste encontrou: GPT-SoVITS API server starts and responds to TTS inference requests: HTTP 200 with a valid synthesized WAV audio file returned for English text-to-speech using a default reference audio on CPU. 23 minutos.

WhisperX: Reconhecimento Automático de Fala com Marcas de Tempo em Nível de Palavra (e Diarização)

O que o teste encontrou: WhisperX 3.8.7rc1 is installed in a Python 3.12 venv at /tmp/whisperx-venv with CPU-only PyTorch. The test suite passes (12/12 tests) and the CLI prints help and version correctly. All imports resolve without errors. 3 minutos.

Leon é o seu assistente pessoal de código aberto.

O que o teste encontrou: Leon server installs, builds, serves HTTP on port 5366, and passes all 371 unit tests with Node.js v24 in CI mode (no local AI or voice models). 10 minutos.

Reconhecimento de fala, síntese de fala, diarização de locutores, melhoria de fala, separação de fontes e detecção de atividade de voz usando o Kaldi de...

O que o teste encontrou: The sherpa-onnx 1.13.8 C++ source built successfully, all 29 CTest tests passed, the published Python package installed, and both Python and native CLI paths performed real Whisper ASR and generated decodable Piper TTS audio. 7 minutos.

Uma caixa de ferramentas de estilos de filmes feitos em código para o Claude Code: 66 prontos para usar, e os seus próprios. Cada estilo é um prompt de estilo...

O que o teste encontrou: With Node 20.20.2, the core, voice, and music installs exit 0, and the real pipeline produced a 6.000-second 1920x1080 24 fps film with 144 H.264 frames and stereo AAC audio that fully decoded with exit 0. 7 minutos.

Aplicativo de ditado por voz com modelos locais (Nvidia Parakeet/Whisper) e modelos em nuvem (BYOK). Focado em privacidade e disponível multiplataforma.

O que o teste encontrou: npm install succeeds, all 944 tests pass with Node 24 and the custom loader bootstraps, test script runs all test suites without failures. 71 minutos.

Uma biblioteca robusta, eficiente e de baixa latência para conversão de fala em texto, com detecção avançada de atividade de voz, ativação por palavra de...

O que o teste encontrou: In a fresh venv with RealtimeSTT[server,faster-whisper] installed, all 591 unit tests pass, the Whisper golden test transcribes the fixture correctly, and the packaged production server answered 200 on /health, /v1/ready and /v1/capabilities and returned the correct transcript on POST /transcribe-pcm16. 9 minutos.

Módulo de reconhecimento de fala para Python, com suporte a vários mecanismos e APIs, online e offline.

O que o teste encontrou: SpeechRecognition 3.17.0 installed in a venv; 41 of 56 tests pass with 15 expected skips; Google Speech API recognition returns transcriptions from local audio files; CLI sprc binary prints help. 4 minutos.

Uma biblioteca de texto para fala (TTS), fala para texto (STT) e fala para fala (STS) construída sobre o framework MLX da Apple, fornecendo análise eficiente...

O que o teste encontrou: A fresh editable install exited 0, the API server returned HTTP 200 on / and /v1/models, a real Kokoro request produced a decodable 2.8-second 24 kHz mono WAV, and the combined core and TTS test suites passed 1506 tests with 45 skipped. 39 minutos.

Reconhecimento de fala para o seu site

O que o teste encontrou: All 165 tests pass, build produces ESM/CJS/IIFE bundles in dist/, and the library is usable via npm import or script tag. 11 minutos.

Ferramenta com tecnologia FunASR para transcrição de vídeo, geração de legendas e recorte assistido por LLM, com interface local do Gradio.

O que o teste encontrou: FunClip v2.2.1 is fully installed in a Python 3.12 venv with all dependencies, all 90 tests pass, the CLI recognition+clipping pipeline processes a real video with Paraformer-Large ASR and produces valid clipped MP4 output, and the Gradio web interface launches and serves HTTP 200 on localhost. 49 minutos.

Gere audiolivros a partir de EPUBs, PDFs e texto com legendas sincronizadas.

O que o teste encontrou: All 1592 tests pass, Flask web UI serves HTTP 200 on GET /, and the real Kokoro-82M TTS engine with af_heart voice generates non-silent, ffmpeg-decodable WAV audio from text input. 22 minutos.

Plataforma de IA de voz de código aberto. Alternativa auto-hospedada ao Vapi e ao Retell. On Prem, BYOK em Speech to Speech ou LLM/STT/TTS, com um construtor...

O que o teste encontrou: Backend Python venv installed with all core deps, PostgreSQL 16 running on port 5432, Redis 7.4.1 running on port 6379, Node.js v22 deployed, pipecat submodule installed editable, FastAPI app imports with speechmatics as the only blocking provider, 493/514 collectable tests pass against real services. 57 minutos.

Localização e dublagem de vídeo AI de código aberto para YouTube/Bilibili: reconhecimento de fala, tradução de legendas, clonagem de voz, mixagem e...

O que o teste encontrou: Backend API is fully operational: uvicorn serves the FastAPI app on port 9998, all 421 backend tests pass, and every major endpoint (health, login, tasks, settings, cookies) responds correctly with expected status codes. 20 minutos.

Ditado de voz local para mac, windows e linux

O que o teste encontrou: Full Rust project compiles on Ubuntu 24.04 x86_64 with no root, all 397 unit tests pass (0 failures), binary runs and responds to --help and --version commands. 28 minutos.

A biblioteca python para comunicação em tempo real

O que o teste encontrou: The fastrtc library installs in a venv, all 29 tests pass, the Kokoro TTS model generates audio, and a demo app starts under uvicorn and serves its OpenAPI schema. 7 minutos.

Um modelo TTS multilíngue de 100M de parâmetros para inferência em tempo real em CPU, clonagem de voz e geração estéreo de 48 kHz

O que o teste encontrou: Dependencies installed in venv; PyTorch CPU inference via infer.py produces valid WAV audio; FastAPI web server responds to health checks and generates 48kHz stereo speech via POST /api/generate with demo presets. 16 minutos.

Uma implementação quase em tempo real do Whisper da OpenAI.

O que o teste encontrou: WhisperLive is installed in a Python 3.12 venv with all dependencies, 318 of 332 unit tests pass (14 metrics tests skipped as they require a dedicated metrics server port), and the server launches with the REST API health endpoint responding HTTP 200 on port 8000 and the WebSocket server listening on port 9090. 11 minutos.

Converte texto em fala em tempo real

O que o teste encontrou: realtimetts 0.8.10 installed and built wheel+sdist; 369 of 380 tests pass covering BaseEngine, alignment, language router, sentence splitting, streaming, stream player, release guard (except ssh-keygen), and Qwen studio; Qwen server starts and fails only on CUDA GPU requirement; pyttsx3 SystemEngine requires espeak. 13 minutos.

API do serviço web de ASR Whisper da OpenAI

O que o teste encontrou: The Whisper ASR Box webservice is installed and running: the uvicorn server serves Swagger UI at /docs, returns JSON language detection at /detect-language, and returns transcription text at /asr all with HTTP 200. 14 minutos.

Um único WebUI Gradio + React com extensões para ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS...

O que o teste encontrou: TTS-WebUI server starts and responds HTTP 200 on both Gradio proxy (7767) and main (7770) interfaces; 102 of 105 tests pass (3 skipped require real API credentials); all core extensions import cleanly; CLI troubleshoot passes. 6 minutos.

[AutoArk] GPA (General Purpose Audio) pode fazer ASR, TTS e conversão de voz com um único modelo minúsculo!

O que o teste encontrou: GPA v1.5 native PyTorch ASR, TTS, and training all run on CPU with weights downloaded from HuggingFace. ASR transcribes Chinese and English correctly; TTS produces valid 16 kHz mono audio from text plus a reference clip; training executes a forward/backward step. 10 minutos.

API de código aberto para transcrição de reuniões para Google Meet, Microsoft Teams e Zoom. Bots de entrada automática, transcrições em tempo real via...

O que o teste encontrou: 11 Python service test suites and the JS terminal client test suite run successfully in a container with Node 22.13 and Python 3.12.3; the compose/Docker deployment path cannot execute without Docker engine being available. 17 minutos.

Biblioteca Python e ferramenta CLI para interagir com a API de texto para fala do Google Translate

O que o teste encontrou: gTTS 2.5.4 installed, all 108 pytest tests pass, and the CLI generates valid MP3 audio via the Google Translate TTS API. 1 minuto.

Síntese de texto para fala offline para python

O que o teste encontrou: pyttsx3 v2.99 with eSpeak-NG v1.53.0 backend on Python 3.12.3 (Linux): import, speech synthesis, WAV file saving, property get/set, event loop, and all 9 applicable tests pass. 4 minutos.

Inferência de fala para texto com ggml para 16+ famílias de modelos

O que o teste encontrou: transcribe.cpp builds from source with cmake and GCC 13, produces a working transcribe-cli binary that understands all CLI options and reads 16 kHz mono WAV files, and passes all 39 unit/smoke tests on CPU without a model file. 4 minutos.

Código aberto, estúdio local de áudio e música com IA para macOS e Windows. TTS, clonagem de voz, músicas com letras e partituras multifaixas. 100% offline...

O que o teste encontrou: 安装、前端构建、Go 核心测试（3 包通过）与 Playwright 浏览器测试（74/74 通过）全部成功，浏览器预览应用服务返回 HTTP 200，独立 CLI（engine v0.7.4）与 audiocpp CPU 引擎（0.7.4）均能启动运行；仅原生桌面 App 因仓库限 macOS/Windows 未在此 Linux 容器构建。. 10 minutos.

GPT-SoVITS ONNX Motor de Inferência e Conversor de Modelos

O que o teste encontrou: GENIE TTS package installs and builds in a Python 3.12 venv; all 4 language G2P modules produce correct phone IDs; FastAPI server serves all endpoints (/stop, /clear_reference_audio_cache, /load_character, /set_reference_audio, /tts, /unload_character) returning HTTP 200; full TTS inference with predefined character... 9 minutos.

Uma extensão de navegador incrível que lê em voz alta o conteúdo de páginas da web com um clique.

O que o teste encontrou: All 159 tests pass consistently (0 fail, 0 skipped, 0 todo) across repetitive concurrent execution; the offscreen-manager fixture timeout was relaxed to eliminate a timing-dependent failure. 3 minutos.

Voz para texto com push-to-talk para compositores Wayland

O que o teste encontrou: Voxtype v1.1.0 builds and passes its full test suite (1159 passed, 0 failed) on Ubuntu 24.04 amd64 with Rust 1.99.0, after manually providing alsa and clang/LLVM development libraries extracted from apt packages without root privileges. The CLI binary responds correctly to --version and --help. 27 minutos.

Tópico → vídeo narrado em 4K para coding agents. v5.3.0: TTS local (edge free + azure, sem engine externo), Asset Engine baseado em manifest, composição...

O que o teste encontrou: All 255 Python tests pass, TypeScript type-checks pass, and Remotion 4.0.438 renders a 2-frame smoke test to a valid H.264 MP4 verified with ffmpeg decode check; the only source change needed was bumping zod from ^3.23.0 to ^4.3.6 in package.json. 7 minutos.

Soprano: Texto para Fala Instantâneo e Ultra-realista

O que o teste encontrou: Soprano TTS 0.2.0 is installed from source in a venv at /tmp/venv. The CLI produces valid 32 kHz WAV audio on CPU. The FastAPI server serves the /v1/audio/speech endpoint (HTTP 200, valid WAV). The Gradio WebUI module loads successfully. Streaming playback requires the system PortAudio library (not available in this... 15 minutos.

Aplicativo de Ditado por IA - Código Aberto e Local-first. Digite 3x mais rápido, sem precisar de teclado. Alimentado por modelos de código aberto, funciona...

O que o teste encontrou: Installation completed: Node 24.10.0, pnpm 10.34.5, all 1566 packages installed, whisper native addon compiled (.node binary at packages/whisper-wrapper/native/linux-x64/whisper.node), electron 44.3.0 available, workspace builds pass, and the test suite runs (149/150 test files pass, 1505/1508 tests pass, 3... 23 minutos.

Um modelo de text-to-speech baseado em Flow Matching com controle de estilo orientado por emoji

O que o teste encontrou: Irodori-TTS installs and all core modules import cleanly on CPU. The TextToLatentRFDiT model constructs and runs forward passes. The Gradio web UI builds and serves HTTP 200. Inference requires downloading a HuggingFace checkpoint. 8 minutos.

Nós personalizados que estendem as capacidades do Comfyui

O que o teste encontrou: The repository installs as a ComfyUI custom_nodes extension: pip dependencies install cleanly, ComfyUI starts on CPU, the server answers HTTP 200, and all 8 AlekPet custom node groups load successfully with zero startup errors. 34 minutos.

Aplicativo whisper multi-backend. Extremamente rápido. Otimizado para Mac-arm. Instalação fácil. Insira um arquivo local ou URL e este serviço o transcreverá...

O que o teste encontrou: transcribe-anything 4.1.2 installed in a uv-managed Python 3.11 venv with Python 3.10 available for iso-envs; 265/278 tests pass, CLI help works, all backends ready for first-use env creation. 21 minutos.

Tradução Sincronizada para Vídeos. Dublagem de vídeo.

O que o teste encontrou: SoniTranslate web app built with Gradio 4.19.2 launches via python app_rvc.py --cpu_mode and serves a fully constructed UI at http://127.0.0.1:7860 returning HTTP 200 on / and /config endpoints. 22 minutos.

Um modelo multilíngue para síntese de diálogo de formato longo, com múltiplos falantes, controle flexível de falantes e clonagem de voz zero-shot.

O que o teste encontrou: MOSS-TTSD v1.0 model loads from HuggingFace, processor encodes conversations, forward pass returns logits, and generate() produces audio codes and text tokens on CPU with bfloat16 precision. 25 minutos.

Modelo TTS capaz de transmitir áudio conversacional em tempo real.

O que o teste encontrou: Dia2-1B model loads and generates valid 24 kHz mono WAV audio on CPU (bfloat16) via both the Python API and CLI, producing non-silent output with correct speaker-tagged transcription and word timestamps. 12 minutos.

Whisper-Flow é um framework projetado para permitir transcrição em tempo real de conteúdo de áudio usando o modelo Whisper da OpenAI. Em vez de processar...

O que o teste encontrou: Whisper Flow V1.1.0 server launches on port 8181, serves /health (200) and /ready (200) endpoints showing model loaded and 0 active sessions, all 29 core tests pass with 97% coverage, and all core modules import correctly. 18 minutos.

Transcrição de áudio quase em tempo real usando Whisper auto-hospedado e WebSocket em Python/JS

O que o teste encontrou: A fresh venv installs cleanly; the VoiceStreamAI server launches on 127.0.0.1:8765 with the token-free silero VAD plus the real faster-whisper-tiny model and streams a real transcription back over WebSocket ('Good morning, everyone!'), while 2 of 3 unittest tests pass and the pyannote VAD test remains blocked by the... 15 minutos.

Avalie seu sistema de fala para texto com medidas de similaridade, como taxa de erro de palavras (WER).

O que o teste encontrou: The jiwer package is installed and functional: all 74 tests pass, the CLI prints its help, and the Python API computes WER/MER/WIL/WIP/CER correctly including empty-reference edge cases. 1 minuto.

Cliente da API REST Vonage para PHP. Suporte a API para SMS, Voz, Text-to-Speech, Números, Verify (2FA) e mais.

O que o teste encontrou: Vonage client-core installs with composer update and its full PHPUnit suite passes 1096/1096 after the Guzzle 8 version-guard fix in src/Client.php, with SMS send verified end-to-end against a local mock HTTP client. 4 minutos.

Vídeos explicativos e demonstrações de produto feitos pelo seu AI agent. Gratuito e de código aberto: uma voz local (Kokoro), timing de palavras (Whisper) e um...

O que o teste encontrou: explainroo v0.1.0 is installed with Node.js 20.20.2, Playwright Chromium headless shell, Kokoro TTS, Whisper ASR, and all npm dependencies. The project initializes, voices, checks, stills, sheets, and renders draft MP4s. The how-dns-works example produces a 68s video with 8 scenes. 29 minutos.

Central de runtime C++ ggml para modelos multilíngues de ASR e TTS: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc, além de alinhamento forçado...

O que o teste encontrou: CrispASR v0.8.37 builds, runs CLI transcription (Whisper base model), and serves an HTTP API, all tested end-to-end with real audio in this container. 36 minutos.

Claudemy: uma alternativa de código aberto ao Udemy e ao Coursera. Dê um tópico ao Claude, ele pesquisa a web e faz build de um curso de lições de áudio de 2...

O que o teste encontrou: All 39 regression tests pass. beautifulsoup4 is installed in a venv, ffmpeg is available, all four CLI scripts (scrape, check_lessons, render_audio, package_class) emit correct usage docs, the lesson checker correctly validates scripts and citations, and the package class script combines cards into a deliverable. 2 minutos.

Uma biblioteca Python para resolver reCAPTCHA v2 e v3 com Playwright

O que o teste encontrou: All 16 tests execute without errors against live reCAPTCHA demo pages and antcpt.com; v2 solvers correctly raise RecaptchaRateLimitError against Google's rate limits, v3 solvers solve antcpt.com successfully, and recaptcha_not_found tests raise proper exceptions when no captcha is present. 7 minutos.

Plataforma de AI Avatar / humano digital: faça upload de uma foto, clone uma voz, converse com qualquer rosto em tempo real com vídeo de sincronização labial...

O que o teste encontrou: Backend FastAPI server runs on port 8000 with SQLite storage, 191 pytest tests pass, frontend Next.js builds and serves on port 3000, full REST API flow (register/login/me/avatar upload/session create/guest) works end to end in local-dev mode without Docker, Redis, or third-party API keys. 10 minutos.

Crie agents de telefone com AI no seu próprio computador e teste cada alteração com um chamador de AI. Código aberto, executa gratuitamente sem chaves de API...

O que o teste encontrou: Both packages (vpd-vk 0.3.0, vpengine 0.3.0) installed in .venv-engine; 453 tests pass; engine starts and answers health and chat session endpoints. 23 minutos.

Reconhecimento de fala generativo com foco em árabe: Audar-ASR-V1 (Flash + Turbo). #1 no Open Universal Arabic ASR Leaderboard. Cartões de modelo, benchmarks e...

O que o teste encontrou: Audar-ASR-V1-Flash model loads and transcribes on CPU. All three reference API functions (transcribe, transcribe_long, stream_transcribe) work correctly. 27 minutos.

Dramaxis (剧枢): plataforma multiagente de nível cinematográfico para narrativa audiovisual e narração inteligente (Tauri 2 + Rust + React 19). 6 grandes agentes...

O que o teste encontrou: All 280 frontend tests pass, frontend production build succeeds (299 modules), 10 of 11 Rust workspace crates compile and all their tests pass (core=13, intake=17, export=18), VitePress docs build succeeds. Tauri desktop shell (root Cargo.toml + update crate) blocked by missing libwebkit2gtk-4.1-dev system packages... 11 minutos.

Uma frase e a IA faz um vídeo promocional do seu produto! Diga o nome ou URL para Cursor, Claude Code, Codex, etc. Ela pesquisa, gera amostras de estilos...

O que o teste encontrou: Template project installs, fonts subset correctly, stills render, 1080p preview video renders cleanly, web player builds; lint passes; all doctor checks pass except optional ElevenLabs key. 10 minutos.

Gravador local de ditado de voz e reuniões para Windows + Linux. Segure uma tecla de atalho para ditar ou grave reuniões longas com áudio do sistema...

O que o teste encontrou: pnpm+uv deps installed, TypeScript+Python code compiles/typechecks, frontend Vite build succeeds, 331/331 backend tests pass, and the Qt+Pyloid desktop app launches on the virtual display and loads the Whisper speech model. 22 minutos.

Copiloto de reuniões com IA de código aberto - transcrição em tempo real, cancelamento de eco e assistência de IA. Captura o áudio do sistema + microfone...

O que o teste encontrou: Raven 2.5.0 Electron app builds from source, runs tests (1088 passed), and launches on Linux with Vite dev server and Electron main process. 3 minutos.

reconhecimento de fala muito rápido, diarização, streaming (mesmo em CPU) com NVIDIA Parakeet em Rust

O que o teste encontrou: parakeet-rs compiles, all 24 tests pass, and the full ONNX inference pipeline runs successfully with a verified model. 4 minutos.

Cliente da API Vonage para Node.js. Suporte de API para SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) e mais.

O que o teste encontrou: The @vonage/server-sdk monorepo installs cleanly under Node 22.23.4, all 618 tests pass, all 28 packages build to CJS/ESM/DTS, lint passes, and a real end-to-end call against a local mock returned a parsed account balance of 10.28 EUR and an SMS response with message-count 1 and status 0. 5 minutos.

Um pacote Python leve para Reconhecimento Automático de Fala usando modelos ONNX

O que o teste encontrou: All 249 core tests pass, package imports correctly, CLI displays help with all supported model names, and whisper-tiny model executes real ASR inference via Hugging Face. 12 minutos.

Transcrição de fala para texto no Obsidian usando Whisper.

O que o teste encontrou: All 69 tests pass (5 test files), TypeScript type-checking passes, esbuild bundles main.js successfully with no errors. 1 minuto.

Um aplicativo desktop para transcrever áudio e vídeo de arquivos, URLs, vídeos do YouTube ou seu microfone, depois editar, traduzir, resumir, legendar e...

O que o teste encontrou: All 554 tests pass, the desktop GUI opens a mapped window on Xvfb, and the CLI transcribes audio files with WhisperX on CPU. 8 minutos.

AAAI 2025: Codec Importa: Explorando a Deficiência Semântica do Codec para Modelo de Linguagem de Áudio

O que o teste encontrou: X-Codec model builds, imports, runs encode/decode on real audio across all bandwidths, and produces valid WAV output. 8 minutos.

Port do modelo Whisper da OpenAI em C/C++

O que o teste encontrou: whisper.cpp builds from source and transcribes the JFK speech sample correctly with the base.en model on CPU, returning 7 passing tests and a working HTTP server. 5 minutos.

Crie e edite tutoriais de vídeo com IA com lições ilustradas, apresentadores expressivos, vozes distintas e uma linha do tempo nativa. Aplicativo desktop para...

O que o teste encontrou: All 6 workspace packages build successfully. JS unit tests pass 156/156 (packages/contracts/scenes/themes). Renderer tests pass 100/117 (17 pre-existing version-mismatch failures). Python pipeline tests pass 942/956 (2 pre-existing failures: Linux path normalization vs Windows test, and stale manifest byte count). The... 22 minutos.

Coletor auto-hospedado de TikTok, Douyin e Bilibili e baixador de vídeos sem marca d'água: API REST assíncrona, servidor MCP para AI agents, CLI e console web...

O que o teste encontrou: All 2960 tests pass (2450 unit + 510 integration), the CLI outputs version 5.0.1 and lists 10 commands, the API server starts and serves healthz/readyz/swagger/console root with 200, the web console SPA is built, and both the PostgreSQL+TimescaleDB and Redis backends and the Go downloader sidecar run. 48 minutos.

Um runtime de voz realtime que mantém os Agents conversando, trabalhando e presentes. Runtime de Voz Real-time para AI Agents

O que o teste encontrou: The qwen-audio-agent v1.11.0 project installs, builds, launches a Gateway serving HTTP 200 on port 3101, and passes all 1789 automated tests with zero failures. 9 minutos.

Vocello: um estúdio de voz privado para Apple Silicon. Escreva um script, escolha ou descreva uma voz e gere fala localmente no seu Mac e iPhone. Swift nativo...

O que o teste encontrou: On this Linux container the repository's deterministic contract gate passes cleanly, the Python suite passes 1526 tests with 2 unfixable lsof-dependent tests failing, the website's 19 unit tests and production build pass under portable Node 22, and a vite preview server served the prerendered site and both... 12 minutos.

Cliente de linha de comando Whisper compatível com o cliente original da OpenAI baseado em CTranslate2.

O que o teste encontrou: Installed in a venv; the CLI answers version 0.5.7, all 17 unit tests pass, and 6 of 7 e2e tests pass including real small/medium-model transcription of the bundled samples matched against reference outputs, with only diarization failing because it needs a real HuggingFace token and pyannote/torch. 22 minutos.

Dramaxis (剧枢): plataforma de narrativa cinematográfica e comentário inteligente com múltiplos agents (React 19 + Tauri 2 + Rust). Linha do tempo de 5 faixas...

O que o teste encontrou: Frontend installs, type-checks, builds, and its full Vitest and Playwright suites pass (157 unit tests, 8 e2e tests), and all 12 non-GUI Rust crates build and pass 79 unit plus 2 doc tests; the Tauri desktop shell still cannot be compiled because its system GTK/WebKit dev libraries are absent from this container. 28 minutos.

Gerador de legendas ASR/STT. Usa Qwen3-ASR, LLM local, Whisper, TEN-VAD. Robusto a ruído para JAV.

O que o teste encontrou: Project installed from source at /work/repo with 79 packages in a Python 3.12 venv. All 4 verification commands pass: import, --version (1.9.3), --help (full CLI), --dump-params (safe config probe). 617/617 clean tests pass; 43 failures and 11 errors are pre-existing (version drift, restructured config, missing... 11 minutos.

Kit de ferramentas nativo de AI para produção de vídeo para Claude Code.

O que o teste encontrou: Hello-world, sprint-review template, render-baseline test, and concept-explainer-short template all render valid MP4 videos; migration script fixed and installs all 27 skills/commands; verify_setup.py confirms all prerequisites met. 16 minutos.

Uma extensão de navegador que lê em voz alta o conteúdo de páginas web com um clique.

O que o teste encontrou: Read Aloud extension package builds cleanly (474KB ZIP), all 49 JS files pass node syntax check, the extension loads into Chromium 127 via Playwright without errors, manifest declares all TTS permissions and a service worker, and 14 distinct TTS engine implementations are wired in tts-engines.js. 5 minutos.

Nós de TTS OmniVoice para ComfyUI: síntese de fala multilíngue zero-shot com clonagem de voz, design de voz e diálogo multi-falante

O que o teste encontrou: 5 OmniVoice TTS ComfyUI nodes (Longform TTS, Voice Clone, Voice Design, Multi-Speaker, Whisper Loader) installed and registered; OmniVoice-bf16 model loads from HuggingFace cache, generates valid 24kHz audio waveform from text on CPU in ~9 seconds for 2-second utterance. 5 minutos.

Alternativa de código aberto, local-first ao Granola/Otter que Claude Code, Codex, Cursor e qualquer cliente MCP podem consultar. Reuniões, chamadas e...

O que o teste encontrou: The minutes CLI v0.27.0 binary builds and runs: 59 commands available, demo generates 5 sample meetings with correct markdown frontmatter and YAML metadata, capabilities endpoint reports 50+ features, whisper-guard passes 14/14 tests, 1827/1864 minutes-core tests pass with 37 container-limited failures, 3/4... 30 minutos.

Um aplicativo gratuito, de código aberto e extensível de fala para texto que funciona completamente offline.

O que o teste encontrou: The Handy app builds from source (debug binary + frontend), passes its full Rust unit test suite (271/271) and Playwright frontend tests (2/2), and launches and stays up on the Xvfb virtual display, enumerating its CPU compute device and 69-model catalog via CLI. 67 minutos.

Uma ferramenta de reconhecimento de fala silenciosa em tempo real.

O que o teste encontrou: AVSR model loads on CPU and produces transcriptions from video features; MediaPipe face detector initializes; all Python imports resolve; webcam capture fails in headless environment (no /dev/video0) but app otherwise works. 23 minutos.

IA no dispositivo para Flutter: Gemma e outros LLMs, multimodal, chamada de função, embeddings, RAG e fala no Android, iOS, Web, macOS, Windows e Linux.

O que o teste encontrou: All 14 Dart pub workspace packages with test directories pass their test suites on Linux x64 with Flutter 3.47.0 and Dart 3.13.0, with 0 errors and all 567 analyzer findings at info level only. 11 minutos.

VRCT(Tradutor e Transcrição do Chatbox do VRChat)

O que o teste encontrou: Python backend starts and completes full initialization (Whisper model, CTranslate2, OSC), Vite frontend builds and serves, all 936 pytest tests pass, OCR engine is ready with downloaded models, Rust toolchain installed; Tauri native build blocked by missing webkit2gtk-4.1 system libraries (not installable without... 25 minutos.

Aplicativo desktop de IA gratuito e de código aberto para audiolivros, podcasts, documentários, filmes e vídeos animados, com modelos locais, APIs de nuvem e...

O que o teste encontrou: Dependencies installed, 819 non-multimedia tests pass (0 failures), the engine host HTTP server answers 200 on /health, and 4 code/test bugs were fixed; the Qt GUI cannot launch because no PipeWire audio daemon runs in this container. 31 minutos.

Amphion (/æmˈfaɪən/) é um kit de ferramentas para geração de áudio, música e fala. Seu propósito é apoiar pesquisa reproduzível e ajudar pesquisadores e...

O que o teste encontrou: Core dependencies installed, evaluation metrics compute correctly on audio pairs, model classes import cleanly. pyworld-dependent f0 metrics unavailable without python3-dev headers. Cython monotonic_align extension uncompiled for same reason. 25 minutos.

Uma biblioteca de texto para fala (TTS), fala para texto (STT) e fala para fala (STS) construída sobre o framework MLX da Apple, fornecendo análise de fala...

O que o teste encontrou: mlx-audio v0.5.6 installed in a Python venv with mlx[cpu] backend, 354 of 376 tests pass (22 skipped due to missing torch/diffusers for parity), FastAPI server starts and responds 200 on /v1/models, all five CLI tools print help. 8 minutos.

ODS V3 Pré-lançamento: Testes públicos e refinamento antes do lançamento oficial da V3. Transforme seu PC, Mac ou Linux em um servidor de IA privado.

O que o teste encontrou: Project builds correctly, all 418 bats tests, 14/14 smoke tests (after ai_err fix), ~300 shell/Python contract tests, and the vite frontend build pass. The Docker runtime install cannot complete in this environment, but the dry-run installer, CLI (-v2.6.0), all standalone test suites, and the frontend are functional. 15 minutos.

Um companheiro de desktop com IA autônomo e consciente do contexto. Construído com Python, com visão de tela em tempo real, síntese de voz personalizada com...

O que o teste encontrou: All 18 modules initialize correctly: EventBus, KinematicsEngine, WindowManager, FaceRenderer, ChatBubble, InputBox, StateMachine, CognitiveEngine (Groq mode), Vision sensors (semantic + mss), WindowTracker, AutonomyEngine, and VoiceEngine all boot to 'B is alive' with the Qt event loop running at ~62fps. Windows-only... 28 minutos.

Uma família de modelos de código aberto para fala de formato longo, síntese de diálogo, design de voz, efeitos sonoros e TTS em streaming em tempo real.

O que o teste encontrou: MOSS-TTS Python package installs and builds; FastAPI server starts and serves /health endpoint on port 8768; CLI entry point prints usage; all core Python modules import; the project is ready for model weight download and GPU inference but cannot run inference in this container because no CUDA GPU is available and the... 31 minutos.

O SDK oficial em Python para a ElevenLabs API.

O que o teste encontrou: The elevenlabs Python SDK v2.69.0 is installed in a venv and all 219 tests pass using httpx.MockTransport to mock ElevenLabs API endpoints. 15 minutos.

IA multimodal em tempo real no dispositivo, com recursos semelhantes ao GPT-Live

O que o teste encontrou: Project installs, builds, and the server starts with Gemma 4 E2B loaded and serving HTTP+WebSocket; the end-to-end AI pipeline (turn detection, llama.cpp inference, transcript parsing, TTS) all initialize and run correctly when tested manually, but the full test suite cannot complete because CPU-only inference exceeds... 77 minutos.

Um AI Agent Studio local para Windows, voltado ao e-commerce de transmissão ao vivo no Douyin, unificando o fluxo de trabalho inteligente de descoberta de...

O que o teste encontrou: The web UI serves 200 with the LiveAgent Studio title, the local gateway health endpoint verifies both mock DashScope and mock OSS as configured/verified, all 37+16+3 agent unit tests plus the frontend build tests pass, and the full video breakdown pipeline produced and decoded a real timestamped Excel transcript. 27 minutos.

Estúdio de IA local e portátil para Windows, Linux e macOS. GUI sem configuração para Geração de Imagens, GGUF LLMs, Texto para Fala e Fala para Texto.

O que o teste encontrou: Frontend deps installed, React UI builds and is served on localhost:1420, all 13 regression tests pass, server API endpoints respond correctly. 7 minutos.

Talking Head (3D): Uma classe JavaScript para sincronização labial em tempo real usando avatares 3D de corpo inteiro.

O que o teste encontrou: TalkingHead 3D avatar library installed with npm, local brunette.glb avatar loads successfully in headless Chrome via WebGL, and the full test suite of 32 streaming API tests passes with 0 failures. 14 minutos.

Servidor de inferência LLM de alto desempenho compatível com OpenAI e Anthropic para Apple Silicon. MLX nativo, batching contínuo, modelos multimodais, chamada...

O que o teste encontrou: vllm-mlx 0.5.0 installs into a venv on x86 Linux, its CLI help command prints usage for 8 subcommands, and 1559 of its Linux-compatible unit tests pass. 23 minutos.

Servidor oficial do MiniMax Model Context Protocol (MCP) que permite interação com poderosas APIs de Text to Speech, geração de imagens e geração de vídeos.

O que o teste encontrou: Package installed in a venv, all 9 pre-existing tests pass (3 server + 6 utils), and the MCP server binary launches and waits for stdio input. 2 minutos.

Uma integração abrangente do ComfyUI para o modelo de texto para fala VibeVoice da Microsoft, permitindo síntese de voz de alta qualidade com um ou vários...

O que o teste encontrou: 5/5 nodes registered. Torch 2.14.1+cu130, Transformers 4.57.6, Diffusers 0.39.0. Needs real model files + Qwen2.5-1.5B tokenizer for TTS. 22 minutos.

Interface para modelos OuteTTS.

O que o teste encontrou: outetts 0.4.4 installed with all dependencies including llama-cpp-python 0.3.9 (CPU), Python modules import cleanly, default speakers load, JS test suite 12/12 passes. 15 minutos.

Reconhecimento de fala nativo para Linux - Ditado em todo o sistema, rápido, preciso, privado e hackeável

O que o teste encontrou: Python venv with all test and runtime dependencies installed; 1146/1146 tests pass; CLI responds correctly for help, config, status, transcribe routing; main service blocked only by missing system libportaudio2 which requires root to install. 17 minutos.

Um aplicativo de chat de voz

O que o teste encontrou: The QuiLLMan frontend and websocket adapter run locally via uvicorn on port 8000 with a mocked Modal layer serving both the React frontend (200 on /) and a FastAPI websocket endpoint (200 on /status, echo responses on /ws). 11 minutos.

Botium Speech Processing

O que o teste encontrou: The Botium Speech Processing frontend server runs on port 56000 serving status, STT, TTS, languages, voices, and Swagger endpoints, with mock backends for MaryTTS and Kaldi substituting for the Docker-dependent default services. 6 minutos.

Lobe TTS - Uma biblioteca TTS/STT de alta qualidade e confiável para servidor e navegador

O que o teste encontrou: Dependencies installed; library builds and type-checks on Node 22.14.0; createEdgeSpeech connects to a WebSocket, sends speech.config and ssml frames, and returns a 200 Response containing the mocked audio payload. 17 minutos.

Reconhecimento de fala para projetos React Native Expo

O que o teste encontrou: The library builds and type-checks, its example web app serves and renders with no page or console errors, and its web speech module start/stop/event wiring works against a mock SpeechRecognition in Chrome. 53 minutos.

Transcreva e traduza voz para arquivo LRC usando Whisper e LLMs (GPT, Claude, etc.). Use Whisper e LLMs (GPT, Claude, etc.) para transcrever e traduzir seu...

O que o teste encontrou: openlrc 1.7.0a2 is installed and built in a Python 3.12 venv; all 186 mock-based unit tests pass; the httpx/httpx2 compatibility bug in ClaudeBot and GPTBot constructors is fixed. 27 minutos.

O que o teste encontrou: All 17 examples install and run: every Next.js example builds (pnpm run build exit 0) and its / and API routes answered 200 against schema-correct local mocks returning real decodable MP3 audio, transcripts, and tokens; the CLI TS/Python quickstarts produced output.mp3 (ffmpeg-decode clean) or printed the transcript... 64 minutos.

Um cliente simples de texto para fala para a API Azure TTS.

O que o teste encontrou: aspeak 6.1.0 builds and runs from source with PKG_CONFIG_PATH and LIBRARY_PATH workarounds; CLI text and SSML synthesis, stdout output, and offline subcommands (list-formats, list-qualities, --help, --version) all work; real Azure endpoint tests skipped due to missing credentials. 10 minutos.

SDK oficial em Python para Deepgram.

O que o teste encontrou: deepgram-sdk 7.10.0 is installed in a Poetry virtualenv and its full test suite passes (1052 passed, 4 skipped) against a local WireMock-compatible mock, with sync and async client calls returning parsed typed responses and ruff plus mypy clean. 7 minutos.

Assistente de entrevista e copiloto de reuniões com IA de código aberto: respostas ao vivo durante chamadas do Zoom, Google Meet e Teams, transcrição no...

O que o teste encontrou: The app installs and builds on the bundled toolchain, 123 unit tests and 44 relay tests pass, the Electron app launches (windows visible on Xvfb), and a chat request travels from the built app through the local relay to the OpenAI-compatible mock upstream and back with HTTP 200. 10 minutos.

Um módulo simples do Azure Speech Service que usa a API Microsoft Edge Read Aloud.

O que o teste encontrou: pnpm install and TypeScript build succeed, all 10 Jest tests pass using a local WebSocket mock of the Microsoft Edge Read Aloud API. 26 minutos.

De ferramentas de IA à criação de vídeos no TikTok usando FFMPEG, leitura em voz alta do Microsoft Edge e o modelo OpenAI Whisper

O que o teste encontrou: Package installs (uv sync --frozen), CLI help works, list-voices queries real Edge TTS API returning 9 Male + 8 Female English voices, create pipeline runs end-to-end with yt-dlp YouTube download, Whisper transcription, FFmpeg video composition delivering a valid 2.3MB MP4, and pytest passes 1/1. 7 minutos.

Sayna é uma Camada de Voz unificada para AI Agents com uma integração perfeita a frameworks agentic existentes.

Voicy (@voicybot): um bot do Telegram que transforma mensagens de voz em texto em grupos e conversas privadas.

O que o teste encontrou: The repo installs and builds (yarn install + tsc), and 32 proof scripts including the worker end-to-end vNext QAs pass against a locally-started mongod; live-Telegram checks were not run because they need a real bot token, and the local-whisper proof was made platform-independent. 6 minutos.

Legendas traduzidas em tempo real do áudio do computador ou do microfone.

O que o teste encontrou: Full Rust library unit-test suite (421 tests) passes, frontend vitest suite (120 tests) passes, TypeScript typecheck and production Vite build succeed, ESLint clean, with all system GTK/WebKit GLib dependencies resolved from apt-downloaded .deb packages extracted to a local prefix. 21 minutos.

Modelos Whisper otimizados para streaming e uso no dispositivo

O que o teste encontrou: In this container the Python package installs and imports, the streaming pipeline and examples/server.py run against a local mock ASR endpoint returning word timestamps, and the Electron client launches on the virtual display and completes a session-create/audio-chunk/process transcription round trip; real CUDA/CoreML... 34 minutos.

24 habilidades de agent multiplataforma para Claude Code, Cursor, Codex e Gemini CLI: bancos de dados, mensagens, pesquisa, TTS, DevOps e Google Workspace

O que o teste encontrou: All Python deps install and the full pytest suite passes (11 passed, 1 skipped); Outline, Telegram, Google TTS, ElevenLabs, Imagen, and NotebookLM E2E smoke are verified working against local mocks with production defaults preserved, while real-database skills and credential-gated third-party skills remain unverified... 40 minutos.

Nó personalizado do ComfyUI para o TTS da VibeVoice. Áudio conversacional expressivo, de formato longo e com vários falantes.

O que o teste encontrou: ComfyUI-VibeVoice v2.11.0 core modules and nodes install successfully; 1365 of 1634 tests pass under mocked ComfyUI stubs; remaining 230 failures require a real ComfyUI installation with model weights and GPU. 31 minutos.

SDK de voz e IA de código aberto. A alternativa ao Vapi/Retell para desenvolvedores que querem ter o controle da stack. Dê ao seu AI agent um número de...

O que o teste encontrou: Python SDK installs and runs 3037 passing tests. TypeScript SDK installs, compiles with zero errors, builds, and all test files pass. Python CLI responds with usage text. Two code bugs (SSRF IPv4-mapped blocking, mtime tiebreaker) and one tooling issue (vitest/vite version mismatch) were diagnosed and fixed. 41 minutos.

Converta o áudio do computador ou microfone em legendas traduzidas em tempo real. Legendas traduzidas ao vivo a partir do áudio do computador ou microfone.

O que o teste encontrou: In this container, mimi builds cleanly (all check.sh gates green) and the dev binary launches and stays up on the Xvfb display with settings, overlay, control and tray windows mapped, its UI-test synthetic session toggling between listening and idle via the Ctrl+Shift+Space global shortcut; real provider calls and... 36 minutos.

:speech_balloon: /so.nus/ STT (fala para texto) para Node com detecção offline de hotword

O que o teste encontrou: With the recorded workarounds, the project's dependencies install, the snowboy native addon and grpc load, ESLint passes, the snowboy detector fires the hotword on real audio, and sonus's hotword-to-recognition flow works against a mock speech recognizer. 17 minutos.

Um servidor de leitura de documentos em voz alta de código aberto, com opções de TTS de alta qualidade, destaque sincronizado e exportação de audiolivro para...

O que o teste encontrou: Node.js v22.12.0 with pnpm 10.33.4 installed, all 810 unit tests pass (0 failed), TypeScript type checking clean for both main app and compute-worker, production build compiles successfully, linting and boundary checks pass, and the development server starts and serves all pages (root, signin, signup) with HTTP 200. 8 minutos.

Nó do ComfyUI para fala altamente expressiva e clonagem de voz realista zero-shot

O que o teste encontrou: ComfyUI-VoxCPM v2.4.0 loads in ComfyUI 0.42.0 on CPU; all 6 custom nodes registered under audio/tts categories; test suite runs 61/62 passing; ComfyUI server starts and responds on --cpu flag; frontend JS extension served; model scanning, settings, validation, and configuration types all verified standalone. 9 minutos.

Voice AI runtime. Transcrição com prioridade local, diarização de falantes, TTS e clonagem de voz com uma API compatível com OpenAI.

O que o teste encontrou: Izwi CLI 0.1.0-beta-18 and HTTP API server compile and run on linux-x86_64 with CPU backend; all 3169+ unit tests pass across 7 workspace crates; server serves OpenAI-compatible /v1/ endpoints on port 8080 with proper health, metrics, model listing, OpenAPI docs, and web UI; desktop Tauri shell cannot build due to... 30 minutos.

Anotador de reuniões com IA focado em privacidade para Windows e macOS. Gratuito, de código aberto (MIT). Transcrição local com Whisper/Parakeet e diarização...

O que o teste encontrou: Meetily Tauri app builds from source, all Rust (188) and frontend (8) tests pass, and the desktop app launches successfully on Xvfb, initializing all subsystems including Tauri GUI, notification system, database, tray icon, and model managers. 61 minutos.

A biblioteca oficial em JavaScript (Node) para a API da ElevenLabs.

O que o teste encontrou: The repository installs with npm, builds with tsc, and its full Jest suite (1094 tests, 179 suites) plus a 22-check SDK probe pass under Node 20 against a local schema-correct mock of the ElevenLabs API, with generated mp3 audio verified by ffmpeg decode and WebSocket realtime/speech-engine paths verified live. 19 minutos.

Editor de vídeo de código aberto e local-first, onde criadores e agentes de IA editam a mesma timeline em tempo real.

O que o teste encontrou: npm install, TypeScript typecheck, and Vite build all pass; the dev server starts and serves the application at localhost:5173; the headless timeline CLI command engine parses commands and returns structured JSON errors. 9 minutos.

Um Workflow do Alfred 5 para usar a OpenAI Chat API e interagir com modelos GPT. Ele também permite geração, edição e compreensão de imagens, conversão de fala...

O que o teste encontrou: Ruby 3.4.7 installed via Conda; all 21 source files pass syntax check; 11 of 12 test files pass (the lone failure is a macOS-only afplay assertion); the WEBrick HTTP server boots and serves pages correctly; the HTML page builder produces complete output. 6 minutos.

Um modelo TTS capaz de gerar diálogo ultrarrealista em uma passada.

O que o teste encontrou: Package nari-tts installs and all modules import, config loads from HF, CLI help parses, and audio utility functions work correctly, but the 1.6B-parameter model cannot load on this container's 755 MB of RAM (needs at least 3.2 GB). 10 minutos.

Speech Note é um aplicativo Linux. Anotações, leitura e tradução com reconhecimento de fala offline, síntese de fala e tradução automática.

O que o teste encontrou: CMake configured successfully in build_final2 with Qt6 6.4.2, Catch2, fmt, ffmpeg; full build fails at dsnote_lib because 18+ external C/C++ API symbols from webrtc_vad, rnnoise, espeak-ng, piper, april-asr, sam, rdrview, cld2, google_pinyinim, xdo, qhotkey, libarchive, taglib, ssplitcpp, maddy, html2md, cpp-pinyin... 48 minutos.

Gateway de IA auto-hospedado para RAG privado, acesso a dados em linguagem natural e agents que chamam ferramentas.

O que o teste encontrou: não foi possível verificar; o log mostra onde ele parou. 28 minutos.

Torne as vozes naturais de TTS do Azure acessíveis a qualquer aplicação compatível com SAPI 5.

O que o teste encontrou: x64 release binaries (TtsApplication.exe and NaturalVoiceSAPIAdapter.dll) extracted from GitHub release v0.2.9 and run under a manually-extracted wine-9.0 environment with zlib1.dll provided from MSYS2 mingw64, the GUI app launches and stays running, and the COM DLL registers successfully via regsvr32. 20 minutos.

Dê aos AI agents olhos, ouvidos e resultados verificáveis. Watch Skill transforma vídeo, áudio e atividade de tela em evidências pesquisáveis e com carimbo de...

O que o teste encontrou: watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks pass. 88 minutos.