Project Icon

distil-whisper

快速高效的音频转录模型

Distil-Whisper是OpenAI Whisper模型的蒸馏版本,速度提升6倍,模型规模缩小49%,同时保持了相近的准确性。该项目支持短语音和长语音转录,提供多个针对英语语音识别的高效模型。Distil-Whisper还可作为Whisper的辅助模型实现推测解码,在保证输出一致性的同时将速度提升2倍。

Whisper-TikTok - 智能化TikTok视频自动生成工具
AI视频生成GithubWhisper-TikTok开源项目文字转语音自动字幕语音转文字
Whisper-TikTok是一个开源项目,集成了Edge TTS、OpenAI-Whisper和FFMPEG技术,用于自动生成TikTok视频。该工具可以从音频文件生成转录,使用Microsoft Edge Cloud TTS API添加配音,并支持自定义背景视频和字幕样式。项目提供Web应用和命令行界面,方便用户创建TikTok内容。Whisper-TikTok为内容创作者提供了自动化视频生成的解决方案。
auto-subs - Davinci Resolve用户的高精度字幕生成和翻译工具
Davinci ResolveGithubOpenAI WhisperStable-TS字幕生成开源项目跨平台
使用OpenAI Whisper和Stable-TS技术进行高精度转录,生成自定义风格的字幕。此工具完全免费并在Davinci Resolve中本地运行,兼容Mac、Linux和Windows系统,支持免费版和Studio版。通过字幕导航器可快速跳转时间线位置,新功能包括将任意语言翻译成英文。提供详细教程与手动设置指南,帮助用户轻松上手。
WhisperWizard - macOS智能语音转文字工具 提升写作效率
AI工具AI转录WhisperWizardmacOS应用自定义模板语音转文字
WhisperWizard是专为macOS设计的智能语音转文字工具,利用ChatGPT将口述内容转换为优质书面文字。适用于邮件、文档等多种场景,减少打字错误,节省时间。支持自定义模板,实现例行任务快速处理。提供历史录音快速检索,方便回顾和使用过往内容。这款工具旨在提高写作效率,为macOS用户提供智能语音转文字解决方案。
AIVoiceChat - 低延迟响应的AI语音交互
AIElevenLabsGithubLinguflexfaster_whisper开源项目语音互动
AIVoiceChat使用户能够体验到无缝和实时的AI语音交互,依托faster_whisper和elevenlabs输入流实现低延迟响应。其功能包括自动语音检测和手动录音模式,操作简便,适用于多种环境。详尽的使用指南涵盖了API密钥设置、依赖库安装与脚本运行步骤,方便用户快速上手。项目欢迎社区贡献与改进,共同推动AI语音技术的发展。
speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎
Github基准测试开源项目模型大小计算效率识别准确率语音转文本
该项目提供了一个开源的语音识别基准测试框架,对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集,评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现,为选择语音识别解决方案提供了参考依据。
buzz - 离线音频转录与翻译工具,基于OpenAI Whisper技术
BuzzGithubOpenAIWhisper开源项目應用商店热门音频转录
Buzz是一款运行于个人电脑上的离线音频转录与翻译工具,使用OpenAI的Whisper技术,能够高效地转录并翻译音频内容。该应用提供Mac App Store专用版本,具有更清晰的界面和更丰富的功能,如音频回放、拖放导入、转录编辑和搜索等。对于不同操作系统,Buzz提供了简便的安装方式,包括Windows, macOS和Linux。Buzz旨在提供无缝和高效的用户体验,以满足广泛的个人和专业需要。
quillman - 开源的实时语音转录和语言模型对话应用
GithubMetavoice Tortoise TTSModalOpenAI WhisperQuiLLManZephyr开源项目
一个开源项目,提供实时语音转录和自然语音合成的聊天应用,使用Zephyr语言模型和OpenAI Whisper技术。适用于开发和实验自定义语言模型应用,可在Modal平台上无服务器部署。提供在线演示、详细文档和模块化结构,方便本地开发和部署。
StableTTS - 轻量级流匹配和DiT驱动的新一代TTS模型
GithubStableTTSTTS模型人工智能开源项目语音合成
StableTTS是一款开源的轻量级中英文语音合成模型,参数量仅为1000万。该项目创新性地结合了流匹配和扩散卷积Transformer技术,灵感源自Stable Diffusion 3。StableTTS提供预训练模型,支持推理、微调和WebUI应用。其独特的模型架构包含扩散卷积Transformer块和流匹配解码器,旨在提升语音合成质量。项目还提供了便捷的训练和推理工具,以及Hugging Face在线演示平台。
Whisper-WebUI - 多功能字幕生成和翻译工具,支持多种Whisper实现
GithubGradioWhisper-WebUI字幕生成器开源项目翻译语音转文字
Whisper-WebUI是基于Gradio的浏览器界面,支持从文件、YouTube和麦克风生成字幕,并提供多语言翻译。用户可以选择不同的Whisper实现,如openai/whisper、faster-whisper和insanely-fast-whisper,支持SRT、WebVTT、txt等多种字幕格式。功能包括语音转文字翻译、音频预处理(Silero VAD)和说话人分离(pyannote)。提供详细的安装指南与自动安装脚本,并且兼容Docker运行,提升VRAM利用率和转录速度。
whispering-ui - 多功能实时语音处理开源应用
AI模型GithubWhispering Tiger UI实时翻译开源工具开源项目语音转写
Whispering Tiger UI是一个开源项目,提供原生用户界面来控制Whispering Tiger应用。它能够处理实时音频流和游戏画面,进行转录和翻译,并通过WebSocket或OSC将结果输出到浏览器或VRChat。核心功能涵盖语音转文字、文本翻译、文字转语音和图像识别。该工具支持插件扩展,界面友好,适合不同经验水平的用户使用。
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