Logo
Project Icon

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。

访问官网访问官网GithubGithub
介绍相关项目
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。
ChatTTS - 优化对话场景的文本转语音技术，提供自然流畅的语音输出
AI工具ChatTTS人工智能对话系统自然语言处理语音合成
ChatTTS是一种针对对话场景优化的文本转语音模型，适用于聊天机器人和虚拟助手等应用。该模型支持英语和中文，通过大规模数据训练，生成自然、富有表现力的语音输出。ChatTTS具备多说话人支持、精细控制和优秀韵律等特点，能够实现逼真的交互式对话。开源版本提供40,000小时预训练模型，适合研究和开发。此模型在对话场景中表现突出，有助于提升语音交互的自然度和生动性。
Speaking AI - 创新情感文本转语音与零样本声音克隆技术
AI工具AI语音Speaking.ai情感合成文字转语音语音克隆
Speaking AI是先进的AI语音合成平台，提供创新文本转语音和声音复制技术。平台能生成自然情感的语音，实现零样本声音克隆，用户可在10秒内完成个人声音的录制和克隆。致力于负责任开发生成式语音AI，Speaking AI还建立了活跃的用户社区，共同推动AI技术发展，为人类带来更多益处。
Speechson - 在线多语言文本转语音服务
AI工具AI语音生成SSML功能Speechson多语言支持文字转语音
Speechson是一个在线文本转语音平台，提供840多种AI语音和135多种语言方言。支持MP3、OGG、WAV和WEBM等音频格式输出。借助深度学习技术，生成高质量、自然的语音。平台支持SSML功能，方便调整语音特性。适用于教育培训、内容创作等多种场景，能够满足多样化的语音需求。
AI Clone Voice Free - 即时AI声音克隆平台 支持多语言和口音
AI工具AI语音克隆免费机器学习语音合成语音生成
AI Clone Voice Free作为在线AI声音克隆平台，提供免费即时声音克隆服务。用户仅需上传10秒语音样本，即可生成高度相似的AI声音。平台支持多种语言和口音，注重用户隐私保护，操作界面简单直观。无需注册，可无限次使用，一键生成和下载克隆声音。适用范围广泛，涵盖娱乐、无障碍、数字助手和配音等领域，为用户提供高效便捷的AI语音克隆解决方案。
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。
whisper-tiny.en - Whisper微调的英文语音识别模型
GithubHuggingfaceWhisper开源项目数据集模型模型训练深度学习语音识别
这是一个基于Whisper-tiny.en模型开发的轻量级语音识别工具，通过Azure数据集训练优化，主要用于英文语音转文本任务。模型采用线性学习率调度和Adam优化器，经过1000步训练后达到44.34%的词错误率。项目采用开源Apache 2.0许可，基于主流深度学习框架开发，便于开发者集成使用。
whisper-diarization - 基于OpenAI Whisper的音频转录和说话人分离工具
GithubOpenAI WhisperSpeaker Diarization开源项目语音识别说话人分类音频处理
whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取，然后利用Whisper生成转录文本，并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术，它能够准确识别多个说话人，最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景，为音频转录和分析提供了强大支持。
distil-whisper - 快速高效的音频转录模型
Distil-WhisperGithub开源项目机器学习模型压缩自然语言处理语音识别
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。
ichigo - 本地实时语音AI
GithubHomebrewIchigo多模态模型实时语音AI开源项目语音理解
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。
相关项目
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。

使用协议隐私政策广告服务
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