Project Icon

xtts-streaming-server

Docker化流式文本转语音服务 支持GPU加速与模型定制

xtts-streaming-server是一个开源的Docker化流式文本转语音服务。该项目支持GPU加速,提供预构建镜像和自定义构建选项,并可加载微调模型。项目包含简易部署方法和测试工具,适合快速构建演示环境。需注意,当前版本不支持并发流式请求,主要用于演示目的。使用前需同意CPML许可协议。

aspeak - 开源文本转语音客户端,支持Azure TTS API
Azure TTS APIGitHubGithubaspeak安装开源项目文本转语音
aspeak是一个开源的文本到语音转换工具,使用Rust编写,兼容Azure TTS API,支持RESTful和WebSocket API模式。适用于多个平台的安装,提供免费和付费使用方案。
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。
WhisperFusion - WhisperFusion 低延迟高性能的实时AI语音交互系统
GPU加速GithubTensorRT优化WhisperFusion大语言模型实时语音转文字开源项目
WhisperFusion是一个开源项目,结合WhisperLive和WhisperSpeech技术,集成Mistral大语言模型,实现实时语音转文本和智能对话。项目采用TensorRT引擎优化模型性能,使用torch.compile加速处理,在RTX 4090 GPU上实现低延迟对话。通过Docker Compose简化部署,方便开发者快速搭建AI语音交互系统。
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。
vosk-server - 多协议支持的高准确度离线语音识别服务器
GithubVosk-API开源项目服务器离线识别语音识别通信协议
vosk-server是一个基于Kaldi和Vosk-API的高准确度离线语音识别服务器。支持MQTT、GRPC、WebRTC和Websocket四种主要通信协议,适用于智能家居、PBX系统以及Web流式语音识别等场景。该服务器可本地部署,也可作为聊天机器人、网站和电话系统的后端。Vosk网站提供详细的文档和使用说明。
folotoy-server-self-hosting - AI 对话服务器支持多种语言模型和语音技术
FolotoyGithubMQTT大型语言模型开源项目自托管服务器语音交互
folotoy-server-self-hosting 是一个自托管的 AI 对话服务器。它支持语音输入输出,集成多种语言模型、语音识别和文本转语音技术。该项目通过 MQTT 发布对话数据,提供灵活的 AI 交互体验。适合开发者和爱好者自定义 AI 对话解决方案。
rvc-tts-pipeline - TTS与RVC融合的开源语音合成流水线
AI语音GithubPyTorchRVC-TTS-Pipeline开源项目语音合成语音转换
RVC-TTS-Pipeline是一个开源语音合成项目,结合文本到语音(TTS)和RVC模型技术,旨在生成接近原始说话者声音的语音输出。该项目将TTS生成的音频转换为RVC模型的训练权重,提高了语音还原质量。项目提供简单的安装步骤和API,方便用户进行语音合成。目前仍处于开发阶段,存在一些问题待解决。
metahuman-stream - 实时交互音视频同步对话的开源数字人项目
AI模型Github交互流式开源项目数字人视频处理音视频同步
metahuman-stream是一个开源的实时交互数字人项目,支持音视频同步对话和多种数字人模型。项目具备声音克隆、说话打断和全身视频拼接等功能,支持rtmp和webrtc传输。系统集成了多种TTS模型和LLM对话功能,为数字人应用开发提供丰富选择。该项目适用于商业级数字人应用开发,支持视频编排等高级特性。
XZVoice - 文字转语音软件,具备高度个性化设置及音乐背景功能
ElectronElementUIGithubvue开源项目文字转语音软件阿里云语音合成
XZVoice是一款基于Electron, Vue, ElementUI和JavaScript技术构建的高度可定制的文字转语音软件。采用阿里云语音合成技术,支持多种个性化设置如应用密钥和背景音乐,提升整体使用感受。最新发布的V2版集成了增强功能和多项优化,确保提供卓越且个性化的用户体验。
perplexity-style-streaming - 流式响应开源项目 - 打造快速用户交互
GithubPerplexity.ai在线演示开发开源项目模仿项目
这个开源项目模仿了Perplexity.ai的流式响应特性,提供高效的用户交互体验。简单的开发步骤可以轻松启动开发服务器并在本地实时查看效果。同时,在线Demo帮助更好地理解和应用流式响应技术。项目专注于易用性和快速启动,帮助开发者迅速上手实现实时响应功能。
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