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。

Verbi - 灵活的开源语音助手框架 支持多模型实验与对比
API集成GithubVerbi开源项目模块化设计语音助手
Verbi是一个开源的模块化语音助手框架,允许在语音转文字、响应生成和文字转语音等组件中灵活切换不同模型。项目集成了OpenAI、Groq和Deepgram等API,并支持本地模型接入。其易于配置的特性和模块化结构,使Verbi成为测试、比较不同语音助手技术的理想平台,适用于开发者、研究人员和技术爱好者。
speech-resynthesis - 基于离散解耦自监督表示的语音重合成技术
Github开源项目自监督学习表示学习语音合成语音编码语音重合成
该项目开发了一种新型语音重合成方法,采用自监督学习的离散表示技术,分别提取语音内容、韵律信息和说话人特征。这种方法实现了可控的语音合成,在重建质量和特征解耦方面表现优异。此外,该技术还可应用于超轻量级语音编解码,以365比特/秒的低比特率提供高质量语音输出。项目提供完整的训练和推理流程,兼容多种数据集和自监督学习方法。
Deepgram Voice AI - 提供用于语音转文本、文本转语音和语言理解的 API的AI语音平台
AI工具AI模型AI音频Deepgram文本转语音热门语音AI语音转文本音频生成
Deepgram Voice AI平台,采用最新Nova-2语音识别模型,提供实时、高效和低成本的语音转文字与文字转语音APIs,适用于医疗转录、客户服务与媒体字幕制作等多种场景。
aura-voice - 智能低延迟语音助手
AuraEleven Labs TTSGPT-4oGithubVercel Edge FunctionsWhisper Speech Recognition开源项目
Aura是一款高效的智能语音助手,专为低延迟响应优化。结合Vercel Edge Functions、Whisper语音识别、GPT-4o和Eleven Labs TTS流媒体技术,提供流畅的用户体验。用户可以在浏览器中享受类似Siri的功能,并克服了网页语音助手的延迟问题。适合需要构建个人语音助手的用户,支持完整的安装和使用指南,同时提供减少延迟和提升用户体验的方法。
OpenVoice - 全面掌握多语种声音克隆技术:OpenVoice提供高精度与灵活性
GithubOpenVoice商业使用多语言支持开源项目热门语音克隆音频质量
OpenVoice是一款革命性的语音克隆工具,提供准确的音色复制和灵活的声音风格控制,支持多种语言和口音。V2版本进一步强化了音质,并增设了多种母语级支持,包括英语、西班牙语、法语、中文、日语和韩语,并从2024年4月起免费提供商业使用。OpenVoice已广泛应用于即时语音克隆功能,并在全球范围内持续扩展用户群体。
AssemblyAI - 语音AI技术平台 提供语音识别和深度分析服务
AI工具AssemblyAIUniversal-1多语言模型语音AI语音转文本
AssemblyAI是一个专业的语音AI技术平台,提供语音识别和理解服务。其功能包括语音转文本、说话人识别、情感分析、章节检测和个人信息编辑。该平台具有易集成、灵活定价、技术持续更新等特点,并提供全天候支持。AssemblyAI帮助企业利用语音数据开发创新AI产品。
whispercpp - Python绑定实现高效语音识别
GithubPybind11Python绑定whisper.cppwhispercpp开源项目语音转文字
whispercpp是一个基于Pybind11的whisper.cpp Python绑定库,为开发者提供高效的语音识别功能。该库支持快速加载预训练模型、转录音频文件,并具有实验性的流式转录功能。whispercpp提供简洁的API接口,方便快速集成whisper.cpp的功能。它还遵循XDG Base Directory规范,确保合理的文件管理。这个项目为Python开发者提供了便捷的方式来使用whisper.cpp的强大语音识别能力。
ai-devices - 智能语音助手现支持多语音模型和视觉推断技术
AI设备GPT-4GithubOpenAI开源项目语音输入镜像处理
本项目是AI驱动的智能语音助手,集成多种AI模型和服务。支持语音输入、文字转语音、图片处理及功能调用,提供高级视觉推断,保障用户获得全面的智能交互体验。主要支持最新的gpt-4o和gemini-1.5-flash-latest视觉模型,满足现代科技需求。
Cognitive-Speech-TTS - 高效文本转语音解决方案,支持个性化声音定制
Azure AIAzure Cognitive ServicesGithubMicrosoftSpeech SDKText-to-Speech开源项目
Azure Cognitive Service的TTS技术支持高效的文本转语音转换,提供多语言、多情感和个性化声音定制。通过REST API和Speech SDK集成,提供跨平台解决方案,应用广泛,包括教育、媒体、娱乐和医疗等领域。最新更新及客户案例展示了Azure AI推动的创新及优质用户体验。
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。
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

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。

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