RealtimeSTT_LLM_TTS

整合语音识别与AI对话的开源项目

RealtimeSTT 语音转文字实时转录 GPU支持唤醒词 Github 开源项目

该项目集成语音识别、AI对话和语音合成,支持GPU加速以实现低延迟交互。具备语音检测、实时转录和唤醒词等功能,可用于开发语音助手和AI对话应用。Web界面支持个性化配置,适合快速构建语音交互系统。

文档

whisper_streaming - 基于Whisper的实时语音转录和翻译开源系统

GithubWhisper多语言实时转录开源项目流式处理语音识别

whisper_streaming是基于Whisper模型的实时语音转录和翻译系统。该项目采用本地协议和自适应延迟实现流式转录,在长篇未分段语音测试中实现高质量转录,延迟仅3.3秒。系统提供多种后端选择,支持GPU加速,适用于多语言会议实时转录。项目还提供灵活API,便于开发者集成到不同应用场景。

open-tts-tracker - 全面追踪开放源代码语音合成模型的信息平台

AI语音GithubTTS模型多语言开源开源项目语音合成

Open TTS Tracker 是一个综合性的开源语音合成模型跟踪平台。该项目汇集了最新TTS模型的详细信息,包括名称、代码库、权重、许可证、微调能力、支持语言等多个方面。通过提供这些资源,Open TTS Tracker 旨在提升开源TTS模型的可见度,推动语音合成技术的进步。研究人员、开发者和爱好者可以在此找到丰富的模型信息和相关资源。

VideoChat - 通过GLM-4-Voice和级联语音方案实现低延迟交互的数字人对话系统

GLM-4-VoiceGithubMuseTalk开源项目数字人语音交互音色克隆

数字人对话系统提供支持实时语音交互的平台，采用GLM-4-Voice结合ASR-LLM-TTS-THG技术，实现低延迟和音色克隆。用户可选择端到端或级联系统，享受3秒首包延迟的优势。项目支持本地部署和多种推理方式，结合FunASR、Qwen和MuseTalk技术，提升视频和语音合成稳定性。该系统为开发者提供灵活高效的语音对话解决方案。

MeloTTS - 跨语言、多方言的高品质文本转语音库

GithubMeloTTSMyShell.ai多语言开源开源项目文本转语音热门

MeloTTS是由MyShell.ai开发的多语言、多方言文本转语音库，支持包括英语（美国、英国、印度、澳大利亚）、西班牙语、法语、中文（结合英语）、日语和韩语等语种。该库特别适合于CPU实时推断，支持无安装使用，本地安装及自定义数据集训练。加入Discord社区交流，共同探讨与合作。

MeloTTS-Chinese - 开源多语言文本转语音系统，支持CPU实时推理

GithubHuggingfaceMeloTTSMyShell.ai多语言支持开源项目文本转语音模型语音合成

MeloTTS是一个开源的多语言文本转语音系统，支持英语（含美式、英式等多种口音）、西班牙语、法语、中文、日语和韩语。其特色功能包括混合中英文处理和CPU实时推理。项目提供Python接口，便于开发者集成。MeloTTS采用MIT许可证，允许商业和非商业使用。

ttskit - 专业的文本到语音转换工具包

GithubSDK接口WEB接口ttskit命令行接口开源项目语音合成

ttskit是一款包括多种功能的文本到语音转换工具箱，提供melgan、griffinlim、waveglow等多种声码器选择。它兼具命令行和web接口，适合开发者和研究人员快速集成和测试。支持丰富的模型和声纹选项，便于定制个性化语音输出。

ChatTTS - 用于日常对话的文生语音模型

ChatTTSGithub多语言支持对话系统开源开源项目文本转语音热门

ChatTTS是为对话场景特别设计的文本到语音模型，支持多种语言和多发言者交互。该模型优化对话基础任务，支持细粒度的韵律特征控制，如笑声、停顿等。通过使用预训练模型，ChatTTS在自然语言合成和表达能力方面均有突破性进展，适用于教育和研究目的。

WhisperSpeech - 多语言支持的开源文本转语音系统，功能强大并易于定制

GithubWhisperSpeech多语言支持开源模型开源项目文本转语音语音克隆

WhisperSpeech是基于开源Whisper框架开发的文本至语音系统，提供了商业级安全的语音合成解决方案。当前支持英语LibreLight数据集，并计划拓展到多语言支持。用户可通过在线Colab平台体验其高效的语音合成和声音克隆功能。

mandarin-tts - 模块化的中文文本到语音合成框架

AI绘图Githubgithubmandarin-ttsvocoder开源项目语音合成

mandarin-tts是一个模块化的中文文本到语音合成框架，适用于加速科研和产品开发。它的主要特点包括模块化配置、多样的声码器支持以及丰富的嵌入选项，如说话人、韵律和文本嵌入。此外，该框架还支持预测语音的持续时间、音调和能量变化，通过开源合作进一步拓展其功能。框架提供多数据集的音频样本和预训练模型，方便用户使用和进一步开发。此外通过正确使用专有名词，如YAML配置文件，并加入客观描述，提供高效的开发工具给研究人员和开发者。

TTS-Cube - 基于神经网络的端到端语音合成系统

GithubTTS-Cube开源项目神经网络端到端系统语音合成音频生成

TTS-Cube是一个基于神经网络的端到端语音合成系统，提供训练和部署TTS模型的完整流程。系统无需预对齐数据，仅通过字符或音素序列即可训练生成音频。它包含一个编码器模块，将输入序列转换为梅尔对数谱图，以及一个基于RNN的声码器模块。TTS-Cube采用轻量级架构和引导注意力技术，实现快速收敛。项目提供交互式演示、安装指南和训练实例。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com