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。

leopard - 本地运行的跨平台语音转文字引擎
GithubLeopardPicovoice开源项目离线处理语音转文字跨平台
Leopard是一款本地运行的语音转文字引擎,具有高精度、隐私保护和跨平台特性。该引擎支持多种编程语言和平台,包括iOS、Android和Web等。Leopard提供简单易用的API,便于集成到各类应用中,实现优质的语音识别功能。其紧凑高效的设计适用于多种设备,为开发者提供灵活强大的语音转文字解决方案。
audio-flamingo - 新型音频语言模型实现音频理解和多轮对话
Audio FlamingoGithubfew-shot学习对话能力开源项目语言模型音频理解
Audio Flamingo是一种创新音频语言模型,具备音频理解、快速任务适应和多轮对话能力。通过优化训练技术、架构设计和数据策略,该模型在多项音频理解任务中创建新基准。项目开源基础模型和对话模型的训练及推理代码。模型权重可从GitHub和HuggingFace获取,仅供非商业用途。
aiavatarkit - 快速构建智能对话虚拟形象的开源工具
AIAvatarKitAI对话Github多平台支持开源项目虚拟形象语音交互
AIAvatarKit是一个开源工具包,专为快速开发智能对话虚拟形象而设计。该工具支持在VRChat、cluster等元宇宙平台和现实设备上运行,提供高度可扩展性和便捷的使用体验。AIAvatarKit集成了语音识别、自然语言处理和语音合成等技术,使开发者能够创建交互式虚拟角色,实现多样化的应用场景。
airunner - 本地运行的多模态AI界面:语言模型与图像生成集成
AI RunnerGithub人工智能图像生成开源项目本地运行语音交互
AI Runner整合了开源大型语言模型和AI图像生成技术,为用户提供本地运行的多模态AI体验。它支持语音交互、文本创作、图像生成等功能,具备快速处理能力和多模型并行运行特性。该项目注重离线使用和用户隐私保护,核心程序禁止网络连接,并采取严格的安全措施。
aikit - 简化部署和优化大型语言模型的平台
AIKitDockerGithubKubernetesLocalAIOpenAI API开源项目
AIKit是一个全方位平台,专为快速部署、构建和微调大型语言模型(LLM)而设计。它支持OpenAI API兼容的推理和灵活的微调接口,无需GPU即可使用。AIKit还支持多模式模型、图像生成、多平台CPU和GPU加速推理以及Kubernetes部署,简化了开发流程并确保供应链安全,适用于各种环境。
Deepgram - 智能文本转语音技术的领先平台
AI工具AI语音生成Deepgram人工智能文本转语音语音合成
Deepgram是一款先进的AI语音生成工具,通过人工智能技术将文本转换为自然、高质量的语音。平台提供丰富的声音库,涵盖不同性别、年龄和口音,适用于内容创作、营销、教育和开发等领域。其特点包括低延迟、高度逼真和可定制性,能满足电子学习、广告、有声读物和播客等多种应用需求。Deepgram不仅提高内容可访问性,还为用户提供快速、便捷的语音生成解决方案。
moshiko-candle-q8 - 语音文本基础模型与全双工对话框架
GithubHuggingfaceMoshi人工对话实时对话开源项目模型语音模型音频编码
Moshi是一个语音文本基础模型,通过神经网络技术实现语音到语音的自然转换。模型采用并行流处理方式,支持极低延迟的实时全双工对话,适用于日常交谈、问答咨询和角色扮演等场景。目前仅支持英语,并已实施安全防护机制。
chatty - 利用WebGPU在浏览器中本地运行大型语言模型
AI模型ChattyGithubWebGPU开源项目浏览器支持离线使用
Chatty利用WebGPU在浏览器中本地运行大型语言模型,保障数据隐私。其特点包括离线使用、聊天记录管理、支持多种开源模型、响应式设计和直观的用户界面。用户还可以加载本地文件、生成并保存聊天记录,并使用语音输入。此AI支持光明和暗模式,适用于所有支持WebGL的设备,极大地丰富了浏览器内的AI体验。
AI-YinMei - 开源多功能AI虚拟主播系统
AI虚拟主播Github吟美开源项目直播互动绘画功能语音合成
AI-YinMei是一个开源的智能虚拟主播系统,整合了多种AI技术,包括大语言模型、语音合成和绘画生成。系统提供聊天、唱歌、绘画、跳舞等功能,并支持场景切换和表情控制,实现与观众的实时互动。该项目适用于B站等直播平台,为虚拟主播和内容创作者提供全方位的AI辅助工具。
Whisper-Finetune - 微调与加速Whisper模型
GithubOpenAIWhisper加速推理开源项目微调语音识别
本项目使用Lora技术微调了OpenAI的Whisper语音识别模型,并支持CTranslate2和GGML加速。模型能够进行无时间戳、有时间戳及无语音数据训练,并支持中文和98种其他语言的语音转文本及翻译。开源了多个适用于不同需求的模型,支持Windows、Android和服务器部署。提供详细的安装教程和使用说明,以及AIShell和WenetSpeech数据的评估和推理速度测试表,方便用户快速上手。
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