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。

StreamSpeech - 在线和实时翻译模型
GithubStreamSpeech多任务学习实时合成开源项目语音翻译语音识别
StreamSpeech通过一个整合的模型,在线和实时翻译中展现行业领先水平,支持多达8种包括语音识别和语音转换任务。提供Web GUI演示,允许用户在浏览器中直接体验。探索StreamSpeech的功能和实例。
wukong-robot - 灵活的中文语音对话机器人和智能音箱
Githubwukong-robot中文语音识别开源项目智能音箱语音对话机器人
wukong-robot 是一个灵活、模块化的中文语音对话机器人和智能音箱项目,集成多种语音识别和合成技术,支持本地及在线对话机器人,可定制名称与功能,适用于智能家居控制和脑机接口唤醒。开放API和简单安装,使其成为个性化智能音箱的理想选择。
Whisperboard - 提供的语音转录服务的开源iOS应用
GithubOpenAIWhisperBoardiOS开源项目灵活模型语音转录
WhisperBoard是一款开源iOS应用,基于OpenAI的Whisper模型,为用户提供高质量的语音转录服务。用户可通过简单操作开始录音,并进行高级语音转录。此应用支持音频文件的导入与导出,并可灵活选择录音麦克风,以确保最佳音质。用户还可以在应用中浏览和下载不同的Whisper模型,以满足不同需求。未来功能包括实时转录和可恢复转录进程。
big-AGI - 领先的人工智能综合平台,为专业需求提供强大的功能与优质用户体验
AI模型Githubbig-AGI多模态服务开源项目热门用户体验隐私保护
big-AGI是一个为专业人士设计的AI套件,集成了12家供应商的最新模型和开源服务器,提供聊天、Beam、和Calls等多功能服务。该平台以简洁、快速和高效的用户体验,帮助用户保持领先地位。通过big-AGI,用户在同一平台上即可享受丰富的视觉化、编程、绘图和多任务交流功能,满足不同的工作和娱乐需求。big-AGI还支持自定义的AI人格和语音模式,让交互更加生动有趣。
cheetah - 实时本地化语音转文字引擎
CheetahGithub实时转录开源项目本地处理语音转文字跨平台
Cheetah是一款本地化实时语音转文字引擎,具有隐私保护、高精度和跨平台特性。该引擎支持Linux、macOS、Windows、Android、iOS和主流浏览器等多种平台。Cheetah为开发者提供多种编程语言的SDK和演示应用,支持实时麦克风输入和音频文件处理,是一个灵活的语音识别解决方案。
speechgpt - 语音对话ChatGPT助力提升多语言口语能力
GithubSpeechGPT多语言支持开源应用开源项目语音聊天隐私保护
SpeechGPT是一个开源的网络应用,支持用户与ChatGPT进行语音对话。该应用支持超过100种语言,集成了语音识别和合成技术,可用于提升语言口语能力或进行AI对话。SpeechGPT注重数据隐私,将所有信息存储在本地。作为一个免费的开源项目,它为用户提供了一个便捷的AI语音交互平台,适用于语言学习和日常交流。
Real-Time-Voice-Cloning - 实时语音克隆与多声源文本到语音转换技术
GithubSV2TTS多说话者文本转语音合成实时语音克隆开源项目深度学习热门语音合成
Real-Time Voice Cloning是一个基于深度学习的实时语音克隆工具,能够通过简短语音样本快速创建个性化语音模型。项目实现了从说话人验证到多说话人文本到语音合成的框架(SV2TTS),并配备了实时工作的声码器。适用于需要个性化语音合成的开发者和研究人员,支持多种数据集,提供预训练模型以简化使用和实验过程。
chie - 多平台支持的大语言模型桌面应用,兼容ChatGPT和Bing Chat
ChieGPLv3GithubmacOS大型语言模型开源项目桌面应用程序
Chie是一款支持macOS、Linux和Windows系统的大语言模型桌面应用,适用于ChatGPT和Bing Chat。应用采用各平台原生UI,目前处于早期开发阶段,可能存在数据丢失和API变更问题。开发者时间有限,建议用户自行fork项目进行扩展。Chie当前基于GPLv3许可证发布,计划于2028年3月20日转为MIT许可证。贡献者提交pull request时需同意贡献者许可协议。
FCH-TTS - 并行语音合成模型
GithubParallelTTS合成样例声码器开源项目语音合成预训练模型
FCH-TTS采用先进的并行语音合成技术,快速生成高质量语音。支持多语种及多种声音风格,满足多样化应用需求。项目持续迭代,引入诸如SoftDTW损失函数等新功能和优化,同时集成顶尖的声码器技术。FCH-TTS不仅提供预训练模型和丰富的合成示例,还允许用户自定义训练和合成,适用于教育、娱乐及商业多个领域。
koishi - 跨平台、可扩展、高性能的智能机器人开发框架
GithubKoishi开发框架开源项目插件生态聊天机器人跨平台
Koishi是一个功能强大的跨平台智能机器人开发框架。它拥有丰富的生态系统,提供超过1000个官方和社区插件,涵盖平台支持、业务功能等多个方面。Koishi不仅开箱即用,还配备了便捷的控制台和在线插件市场,便于非专业用户快速搭建机器人。对于开发者,Koishi提供了完善的TypeScript支持、单元测试和模块热重载等专业功能,有助于构建可扩展的解决方案。
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