Project Icon

april-asr

高效流式语音识别库,支持离线模式

april-asr是一个轻量级离线流式语音识别库,提供C API接口并支持C#和Python绑定。该项目适用于实时字幕等应用场景,当前主要支持英语识别。april-asr基于ONNXRuntime开发,可在Linux和Windows平台上构建。项目虽仍在开发中,但已提供示例代码和模型训练指南,为开发者提供了简洁灵活的语音识别解决方案。

TensorVox - 用 C++ 编写的神经语音合成桌面应用程序
Coqui-TTSGithubTensorFlowTTSTensorVoxVITS开源项目神经语音合成
TensorVox是为提高神经语音合成技术普及度而设计的桌面应用。支持多语言,不需庞大Python库,该工具通过TensorFlow C API和LibTorch实现轻量级操作。提供清晰易懂的模型训练和导出指南,是语音技术爱好者的顶级选择。
whisper - 跨平台音频转文本开源项目
FFMPEGGithubWhisperWhisper.cppopen source开源项目音频转文字
Whisper是OpenAI开发的开源项目,使用whisper.cpp和FFMPEG将音频转换为WAV格式并提取文本。项目支持客户端和服务器端运行,无需互联网。目前代码和文档正在优化,接受捐赠以支持持续更新。适用于Android、Linux、Windows、iOS和macOS系统,安装和使用便捷,提供详尽文档和丰富资源。
whisperkit-coreml - 针对苹果芯片优化的本地化语音识别开源框架
Apple SiliconCoreMLGithubHuggingfaceWhisperKit开源项目模型设备端语音识别
WhisperKit是一个为苹果芯片设备优化的本地语音识别框架,提供高性能的语音转文本功能。该开源项目托管于GitHub,开发者可以通过Hugging Face上的基准测试评估其在实际设备上的表现。WhisperKit使iOS和macOS应用能够实现先进的本地语音识别,无需依赖云服务。
MsEdgeTTS - 微软Edge朗读API的高效文字转语音模块
Azure Speech ServiceGithubMicrosoft EdgeMsEdgeTTSSSML开源项目文本到语音
MsEdgeTTS是一个基于Azure语音服务的简易模块,通过Microsoft Edge的朗读API实现文字转语音,支持speak、voice、prosody等SSML元素。项目提供多种音频输出格式,并通过详细的API文档和示例,便于用户有效集成及使用。
whisper.rn - React Native环境中的Whisper自动语音识别模型的高性能实现
GithubReact Nativewhisper.cppwhisper.rn开源项目自动语音识别音频转录
whisper.rn是React Native环境中OpenAI的Whisper自动语音识别模型的高性能实现,支持iOS和Android平台,具备实时转录功能,并集成Core ML和NDK优化。项目提供详细的安装与使用指南及实用技巧,适合在移动应用中集成语音识别功能。
parakeet-tdt_ctc-1.1b - 高性能自动语音识别模型解决方案
GithubHuggingfaceNeMo开源项目快速同构体数据集模型自动语音识别词错误率
parakeet-tdt_ctc-1.1b提供了一个功能强大的语音识别模型,支持将语音转录为包含标点和大写字母的文本。由NVIDIA NeMo和Suno.ai团队联合开发,拥有1.1B的参数规模,能够高效地处理大规模的音频数据。该模型利用局部注意力和全局令牌技术实现单次处理11小时音频。其在多个公开数据集上的出色表现,表明其在语音转录应用中有广泛的适用性和较低的词错误率(WER)。
aTrain - 本地化多语言语音转录工具 支持主流质性分析软件
GithubaTrain多语言支持开源项目机器学习语音转录隐私保护
aTrain是格拉茨大学研究人员开发的本地化语音转录工具,采用先进机器学习模型实现快速准确转录和说话人检测。支持57种语言,兼容MAXQDA、ATLAS.ti和NVivo等主流质性分析软件。该工具在本地设备处理数据,确保隐私安全和GDPR合规。适用于Windows系统,可通过Microsoft应用商店安装,为研究人员提供高效的访谈转录解决方案。
talk-llama-fast - 开源AI语音对话系统 支持多语言实时交互及视频生成
AI对话Githubtalk-llama-fast开源项目视频生成语音合成语音识别
talk-llama-fast是一个开源的AI语音对话系统,支持实时语音识别、自然语言生成和语音合成,可进行多语言交互。系统集成了视频生成功能,能创建与音频同步的唇形动画。采用流式处理和激进VAD等优化技术,实现低延迟响应。提供多种语音命令和中断机制,增强交互体验。适用于开发AI助手、虚拟角色等应用。
alltalk_tts - 开源多功能语音合成框架
APIAllTalkGithubTTS开源项目文本生成语音合成
AllTalk TTS是一个开源的语音合成框架,支持本地和自定义模型,提供API接口和第三方集成。它具备模型微调、批量生成、低显存模式等功能,可独立运行或与多种AI平台集成。该项目提供便捷安装工具、详细文档和清晰控制台输出,适用于多样化的语音合成应用场景。
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