Project Icon

RealtimeSTT

实时语音转文本库 适用于低延迟应用

RealtimeSTT是一个为实时应用设计的语音转文本库。它集成了语音活动检测、实时转录和唤醒词激活等功能,适合开发语音助手和需要快速精确语音转文本的应用。该库采用WebRTCVAD和SileroVAD进行语音检测,Faster_Whisper执行转录,Porcupine或OpenWakeWord负责唤醒词检测,体现了当前语音识别技术的先进水平。

whisper-tiny.en - 支持时间戳转录的轻量级英语语音识别模型
GithubHuggingfaceONNXTransformers.jsWhisper开源项目时间戳模型自动语音识别
基于transformers.js开发的轻量级英语语音识别模型,集成ONNX格式权重实现Web端部署。模型支持基础文本转录、时间戳转录及单词级时间戳标记等功能,通过JavaScript可快速实现音频转文本识别。
Real-time-translation-typing - 多语言实时翻译与语音转文字工具
302.AIAI超市Github实时翻译开源项目快捷键语音转文字
Real-time-translation-typing是一款实时翻译工具,支持打字翻译、语音转文字并翻译,以及LOL游戏语音输入功能。提供搜狗、百度和有道等多种翻译API选择,支持快捷键操作,适用于Windows 10系统。工具包括网页调用版本和API版本配置,可满足不同需求。适用于日常交流和游戏实时沟通,提供便捷的翻译服务。
stable-audio-open-1.0 - 开源文本转音频模型支持44.1kHz立体声和最长47秒音频生成
GithubHuggingfaceStable Audio Open 1.0人工智能开源项目机器学习模型音乐创作音频生成
Stable Audio Open 1.0是Stability AI推出的开源音频生成模型,通过自编码器、T5文本嵌入和DiT扩散模型架构,将文本转换为最长47秒的44.1kHz立体声音频。模型基于48万条音频数据训练,在音效和环境音生成方面表现突出,支持stable-audio-tools和diffusers两种调用方式。现阶段仅支持英文提示词输入,不具备人声生成能力。
Whisper-Finetune - 微调与加速Whisper模型
GithubOpenAIWhisper加速推理开源项目微调语音识别
本项目使用Lora技术微调了OpenAI的Whisper语音识别模型,并支持CTranslate2和GGML加速。模型能够进行无时间戳、有时间戳及无语音数据训练,并支持中文和98种其他语言的语音转文本及翻译。开源了多个适用于不同需求的模型,支持Windows、Android和服务器部署。提供详细的安装教程和使用说明,以及AIShell和WenetSpeech数据的评估和推理速度测试表,方便用户快速上手。
TTS-Voice-Wizard - 一款多功能语音互动工具
GithubTTS-Voice-Wizard多语言翻译开源项目文字转语音虚拟现实语音识别
TTS-Voice-Wizard是一款多功能语音互动工具,可用于VRChat和其他平台。它支持将语音转化为文本,文本再转化为语音,支持50多种语言的实时翻译和超过100种的语音选项。工具还能显示Spotify或浏览器的播放音乐和VR设备电池状况,同时支持以语音命令控制VRChat头像。
FastSpeech2 - 快速且高质量的端到端文本转语音
FastSpeech 2GithubMelGANNVIDIAPyTorch开源项目文本转语音
FastSpeech 2,面向精准快速的文本到语音转换,基于PyTorch与Espnet技术,配备Nvidia与MelGAN工具,极致优化语音生成效果,适合各类开发者利用和研究。
whispering-ui - 多功能实时语音处理开源应用
AI模型GithubWhispering Tiger UI实时翻译开源工具开源项目语音转写
Whispering Tiger UI是一个开源项目,提供原生用户界面来控制Whispering Tiger应用。它能够处理实时音频流和游戏画面,进行转录和翻译,并通过WebSocket或OSC将结果输出到浏览器或VRChat。核心功能涵盖语音转文字、文本翻译、文字转语音和图像识别。该工具支持插件扩展,界面友好,适合不同经验水平的用户使用。
AIVoiceChat - 低延迟响应的AI语音交互
AIElevenLabsGithubLinguflexfaster_whisper开源项目语音互动
AIVoiceChat使用户能够体验到无缝和实时的AI语音交互,依托faster_whisper和elevenlabs输入流实现低延迟响应。其功能包括自动语音检测和手动录音模式,操作简便,适用于多种环境。详尽的使用指南涵盖了API密钥设置、依赖库安装与脚本运行步骤,方便用户快速上手。项目欢迎社区贡献与改进,共同推动AI语音技术的发展。
vocode-core - 快速构建语音交互LLM应用的开源框架
GithubLLMVocode实时对话开源库开源项目语音应用
vocode-core是一个开源框架,专注于简化语音对话LLM应用的开发过程。该框架提供了直观的抽象和丰富的集成,支持开发者快速实现实时语音交互、电话通话和视频会议等功能。它兼容多种转录、大语言模型和语音合成服务,同时提供详细文档和入门指南,适用于构建个人助手等多样化的语音交互应用。
ChatTTS-ui - 多语种文字语音合成工具,支持中英数字混合及本地API接入
API接口CUDA加速ChatTTSGithubffmpeg开源项目语音合成
ChatTTS-webUI为用户提供文字到语音合成服务,支持中英文及数字,可本地运行或通过API接入。采用GPU加速优化处理速度,适合个人及企业使用,提供多种部署方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号