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

GPT-SoVITS - 少样本声音克隆模型

GPT-SoVITS-WebUIGithubWebUI工具开源项目文本转语音模型训练热门跨语言支持

GPT-SoVITS-WebUI是一款功能强大的在线语音转换和文本转语音工具，支持跨语言转换与实时语音合成。项目集成了自动训练集分段、中文语音识别和文本标记等工具，能够帮助初学者轻松创建训练数据集和GPT/SoVITS模型。GPT-SoVITS支持零样本和少样本文本转语音，是音频处理领域的创新应用。

Linly-Talker - 智能数字人交互系统打造个性化虚拟对话体验

GithubLinly-Talker人工智能多模态开源项目数字人对话系统语音交互

Linly-Talker整合了大型语言模型、语音识别、文本转语音和声音克隆等AI技术，提供了一个功能丰富的数字人对话系统。用户可通过web界面上传图片，与AI进行个性化对话。系统支持多模型集成和多轮对话，能创建逼真的数字人头像并实现实时交互。Linly-Talker旨在探索更先进的人机交互方式，为用户提供超越传统问答的智能对话体验。

Text To Speech Online - 多语言支持的智能在线文本转语音系统

AI工具AI语音生成SSML多语言支持文字转语音音频格式

Text To Speech Online是一款功能全面的在线文本转语音系统。支持129种语言和方言，提供409个自然声音。通过SSML标签，可调整音调、音量和速度等效果。支持MP3和WAV格式下载。适用于播客制作、视频配音、电子学习等领域，可为视障用户提供音频提示，辅助语言学习，还能用于创建虚拟助手。作为一站式文本转语音解决方案，操作简便，功能丰富。

openai-whisper-api - 多功能开源语音转文字API，支持多语言和多任务

DockerGithubNode.jsOpenAI Whisper APITypescript开源项目语音识别

OpenAI Whisper API是一种开源AI模型微服务，采用OpenAI先进的语音识别技术，支持多语言识别、语言识别和语音翻译。该服务基于Node.js、Bun.sh和Typescript构建，可在无依赖的Docker环境中运行，适用于语音和语言相关的应用。无论是转录语音消息、改进系统性能，还是探索Whisper API的功能，这都是一个强大的工具，且采用MIT许可证，开发者可以轻松使用。

seamless_communication - AI多语言实时表情语音翻译系统

AI模型GithubSeamless多语言翻译实时翻译开源项目语音翻译

Seamless Communication项目开发了一系列AI模型，包括SeamlessM4T、SeamlessExpressive和SeamlessStreaming，支持近100种语言的多模态、实时和富有表现力的翻译。该项目通过开源工具和数据集，为研究人员和开发者提供了强大的序列建模组件，推动了更自然、真实的跨语言交流技术发展。

MSMC-TTS - 多阶段多码本神经网络文本转语音系统

GithubMSMC-TTSVQ-VAE多阶段多码本开源项目神经网络TTS语音合成

MSMC-TTS是一个高性能神经网络文本转语音系统，基于多阶段多码本VQ-VAE技术。该系统集成了MSMC-VQ-VAE和HifiGAN，通过MSMC-VQ-GAN自编码器优化，并采用多阶段预测器作为声学模型。MSMC-TTS在标准和低资源语言的语音合成中表现优异，能够生成紧凑的语音表示和高质量的语音输出。项目提供了详细的训练、测试和推理指南，并包含针对MSMC-VQ-GAN和多阶段预测器的优化建议。

ChatTTS - 自然对话文本转语音，多语言支持和精细韵律控制

AI工具ChatTTS多语言支持对话应用语音合成语音表现力

ChatTTS是一款针对对话应用优化的文本转语音模型。支持英文和中文混合输入，提供多说话人选择，并可精确控制笑声、停顿和语调等韵律要素。该工具生成自然、富有表现力的语音，适用于多种创意项目。用户可在Playground区域在线试用，无需安装额外软件。为创意工作者提供便捷、灵活的文本转语音方案，并提供免费体验。

gpt-voice-conversation-chatbot - GPT语音对话机器人，支持个性化对话和长期记忆功能

ChatGPTGPT-4GPT-VCCGithubOpenAI APIPython开源项目

本项目通过OpenAI API，提供一个可以用麦克风与ChatGPT或GPT-4进行语音交互的聊天机器人，支持个性化对话与记忆功能。用户可以选择键盘输入或语音输入，机器人能够持续记住对话内容。需要有效的OpenAI API密钥，并支持Google和ElevenLabs的TTS工具。适用于Windows和Linux，提供名称设置、创造力调节和预设对话模式等多种自定义功能。适合语言练习、编程学习和日常对话。

SLAM-LLM - 专注语音语言音频音乐处理的多模态大模型训练工具

GithubSLAM-LLM多模态大语言模型开源项目语音处理音乐处理音频处理

SLAM-LLM是一款开源深度学习工具包，为多模态大语言模型(MLLM)训练而设计。它专注于语音、语言、音频和音乐处理，提供详细训练方案和高性能推理检查点。支持自动语音识别、文本转语音等多种任务，具备易扩展性、混合精度训练和多GPU训练等特点，适合研究人员和开发者使用。

openai-whisper-talk - 多功能语音对话应用

Chat CompletionsEmbeddingsGithubOpenAIWhisperopenai-whisper-talk开源项目

openai-whisper-talk 是一个集成多项 OpenAI 技术的语音对话应用，组合了 Whisper 自动语音识别、Chat Completions 模拟对话、Text-to-Speech 语音合成功能。最新版本引入了时间表管理与长期记忆功能，能添加、修改、删除和检索事件，并保存信息供未来参考。基于 Vue.js 和 Nuxt 构建，实现了个性化互动，让对话更自然流畅。

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。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com