ollama-voice

离线语音交互AI助手集成语音识别对话和合成功能

ollama-voice 语音识别大型语言模型文字转语音离线模式 Github 开源项目

ollama-voice是一个集成Whisper语音识别、Ollama大语言模型和pyttsx3文本转语音技术的开源项目。它创建了一个完全离线的语音交互AI助手，支持本地语音识别、自然语言处理和语音合成。用户通过按住空格键即可与AI对话，适用于需要隐私保护或离线环境的语音交互场景。

访问官网

Github

介绍相关项目

ollama-python - Python与Ollama模型集成的便捷工具

AI对话API集成GithubOllamaPython库开源项目模型管理

ollama-python是一个针对Python 3.8+项目的库，用于简化与Ollama模型的集成。这个库提供了聊天、文本生成和流式响应等功能，同时包含模型管理、嵌入和异步操作的API。通过简化与Ollama的交互过程，该库使得在Python项目中使用先进语言模型变得更加容易。

whisper.unity - 本地语音识别与多语言翻译工具

ASRGithubOpenAIUnitywhisper.cppwhisper.unity开源项目

whisper.unity项目为Unity3d提供了whisper.cpp的绑定，支持在本地运行OpenAI Whisper自动语音识别模型。具备约60种语言支持、多语言翻译和多种模型尺寸选择，可在Windows、MacOS、Linux、iOS和Android等平台上高效运行，且无需互联网连接。项目完全开源，支持商业用途，并支持CUDA和Metal加速。

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。

voicesmith - 实现个性化语音合成的强大工具

DelightfulTTSGithubUnivNetVoiceSmith多说话者模型开源项目文本转语音

VoiceSmith是一个允许用户训练和应用单语者及多语者模型的平台。该项目基于改良的DelightfulTTS和UnivNet模型，能在个人数据集上进行微调，带来高度自然的语音输出。VoiceSmith还包括数据预处理工具，如自动文本规范化功能，适合在Windows或Linux系统上使用，推荐配置NVIDIA GPU以优化训练效率。

ospeak - 利用OpenAI文本转语音API的高效命令行工具

CLI工具GithubOpenAIffmpegospeakpipx开源项目

ospeak是一款命令行工具，通过OpenAI文本转语音API处理文本，并生成或保存音频。用户可以通过pipx安装，支持多种语音选择、模式切换、语速调整和音频文件导出。使用需提供OpenAI API密钥，适合开发者和终端用户，提供详细的安装和使用指南。

alloy-voice-assistant - AI语音助手项目的部署与运行步骤

AI助手API密钥Github依赖安装命令行开源项目虚拟环境

alloy-voice-assistant 是一个开源AI语音助手项目，提供了配置OpenAI和Google API密钥、安装依赖项和运行助手的详细说明。项目适用于不同操作系统，主要面向开发者和技术爱好者。该项目展示了如何快速搭建一个基本的AI语音助手系统，包括设置流程和在各种环境中的运行步骤。

gpt-voice-conversation-chatbot - GPT语音对话机器人，支持个性化对话和长期记忆功能

ChatGPTGPT-4GPT-VCCGithubOpenAI APIPython开源项目

本项目通过OpenAI API，提供一个可以用麦克风与ChatGPT或GPT-4进行语音交互的聊天机器人，支持个性化对话与记忆功能。用户可以选择键盘输入或语音输入，机器人能够持续记住对话内容。需要有效的OpenAI API密钥，并支持Google和ElevenLabs的TTS工具。适用于Windows和Linux，提供名称设置、创造力调节和预设对话模式等多种自定义功能。适合语言练习、编程学习和日常对话。

LangHelper - 多语言对话、发音评分及语音合成工具

AI发音ChatGPTGithubLangHelper发音评分开源项目语音识别

LangHelper提供多种口音的AI语音对话、双语识别技术，以及针对IELTS/TOEFL考试的发音评分服务。用户可以模拟与名人对话或加载个性化TTS模型进行特定发音训练，同时支持espeak-ng等开源语音库。支持免安装使用，简化语音实践与评估流程。

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。

Voicy.AI - AI虚拟助手平台，为企业提供基于人工智能和机器学习的对话式解决方案

AI工具Voicy.AI人工智能对话式商务机器学习虚拟助手

Voicy.AI是领先的AI虚拟助手平台，为企业提供基于人工智能和机器学习的对话式解决方案。我们的AI转型服务包括语音搜索、数字孪生、对话式搜索和对话式电商等。通过智能对话技术，Voicy.AI助力企业实现大规模个性化客户服务，显著提升客户体验。我们的虚拟助手可应用于客服、销售、营销等多个场景，帮助金融、零售、医疗等行业企业加速数字化转型。选择Voicy.AI，让AI赋能您的业务，开启智能客户互动新时代。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com