Project Icon

ichigo

本地实时语音AI

Ichigo是一个开放的研究项目,旨在为文本语言模型增加本地化的语音交互能力。使用早期融合技术与公开数据和权重,它可以在设备端运行,类似本地化的Siri。项目的近期进展包括提升模型在复杂交互中的语音指令跟随能力,并训练模型在背景噪音中拒绝非语音输入。项目还提供开放的合作机会,计划未来通过众包进行语音数据集扩展。更多技术细节及成果已在最新发布的研究论文中详述。

VoiceCraft - 实现零样本语音编辑和实时文本转语音的革命性技术
GithubVoiceCraft开源项目文本转语音神经编解码语言模型语音编辑零样本学习
VoiceCraft是一个开源的语音技术项目,专注于零样本语音编辑和实时文本转语音。该项目仅需几秒钟的参考音频即可克隆或编辑未知声音,在有声书、网络视频和播客等真实场景中表现出色。VoiceCraft提供多种运行方式,包括Google Colab、Docker和本地环境,方便研究人员和开发者使用。项目在语音编辑和零样本TTS领域达到了先进水平,为语音技术的发展开辟了新方向。
whisper - 多语种语音识别与翻译解决方案
GithubOpenAITransformer模型Whisper多语言处理开源项目热门语音识别
Whisper是一个通用语音识别模型,支持多种语言处理任务,如语音翻译和语言识别。该模型基于大规模多样化音频数据集进行训练,利用Transformer技术实现高效的序列到序列学习。用户可以通过简单的命令或Python代码实现快速准确的语音识别与翻译,是一个适用于多种应用场景的强大工具。支持多个模型大小和语言选项,用户可根据需求选择合适的模型。
gdansk-ai - 开源全栈AI语音对话系统 整合多项云服务
AI语音聊天机器人Auth0GithubOpenAIStripe全栈AI应用开源项目
Gdańsk AI是一个开源的全栈AI语音对话系统,集成了语音转文本、大型语言模型和文本转语音技术。该项目整合了Auth0身份验证、OpenAI和Google Cloud API的AI能力,以及Stripe支付功能。系统由Web应用、API和AI组件构成,为开发者提供完整的AI对话解决方案。用户可通过购买'bibs'代币与AI进行语音交互。本项目采用Node.js、TypeScript和Python等技术栈,结构清晰,便于二次开发。系统支持用户通过语音进行AI对话,并提供便捷的支付流程。开发者可根据需求自定义AI模型和对话流程,快速构建语音交互应用。
TTS - 多语言支持和低延迟的先进文本到语音转换技术
Coqui.aiGithubTTS多语言开源项目深度学习语音合成
🐸TTS库提供多达16种语言的高级文本到语音转换模型,支持低于200毫秒的流媒体延迟。它包含丰富的工具用于模型训练和微调,并且拥有超过1100种预训练模型,适用于多语言和多说话人TTS任务。此外,该库还支持高效的语料库分析和管理,为语音合成提供全面支持。
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。
HierSpeechpp - 分层变分推理实现高质量零样本语音合成
AI模型GithubHierSpeech++变分推理开源项目语音合成零样本
HierSpeech++项目提出了一种基于分层变分推理的零样本语音合成技术。该技术通过文本到向量框架生成语音表示,显著提高了合成语音的自然度和表现力。项目还引入了语音超分辨率框架,可将音频从16 kHz提升至48 kHz。实验表明,HierSpeech++在零样本语音合成任务中优于现有的基于大语言模型和扩散模型的方法,首次实现了人类水平质量的零样本语音合成。
awesome-whisper - 开源AI语音识别技术
AIGithubOpenAIWhisper开源项目语音识别音频转录
Whisper是OpenAI开发的开源AI语音识别系统,支持多种语言和平台,具备高精度和实时处理能力,并适用于开发者和企业进行高效集成。
FunAudioLLM-APP - 开源语音交互与实时翻译应用
FunAudioLLMGithub人工智能开源项目语音翻译语音聊天音频处理
FunAudioLLM-APP是一个开源项目,包含Voice Chat和Voice Translation两个应用。Voice Chat提供AI驱动的对话系统,实现自然的语音交互。Voice Translation提供实时语音翻译功能,帮助不同语言使用者进行沟通。项目整合了CosyVoice和SenseVoice技术,旨在提升语音交互和翻译体验。
Speechki - 多语种AI语音生成和文本转语音平台
AI工具AI语音合成Speechki内容创作工具多语言支持文字转语音
Speechki是一个AI驱动的语音生成平台,支持1100多种声音和80多种语言。该工具可将文本转换为高质量音频,适合各类用户使用。具备实时校听、章节格式化、角色管理和精确停顿控制等功能,便于创建专业音频内容。支持多语言和多播放,有助于拓展全球受众。Speechki为用户提供了强大的文本转语音解决方案。
AI-Waifu-Vtuber - 多语言虚拟助手与VTuber开源技术
AI Waifu VtuberDeepLGithubSeliro TTSVoiceVoxVtubeStudio开源项目
AI Waifu Vtuber & Assistant项目集合多种技术如VoiceVox、DeepL和Whisper OpenAI,支持多语言TTS功能,并提供Twitch直播支持。其支持语言包括日语、英语、俄语和西班牙语等,适合多种应用场景。
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

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