Project Icon

speech-to-text

实时音频转录系统,兼容多种格式,具备高级配置

该开源项目使用Silero VAD技术检测静音部分,并结合Faster-Whisper将音频数据转录为文本。支持多种音频格式(如wav、mp3、ogg)和高级设置,如重复惩罚和无重复ngram大小。其HTML界面允许进行详细配置,并能同步显示转录结果,支持CUDA环境运行,兼容最新的Faster-Whisper版本(1.0.3),提升转录速度和准确性。

decipher - 自动生成视频字幕
AI生成字幕DecipherGithubOpenAIwhisper开源项目视频转录
Decipher利用OpenAI的Whisper技术,通过自动转录生成视频字幕,消除手动转录的繁琐过程。支持Google Colab和手动安装,提供易用性和高鲁棒性。Whisper基于68万小时的多语言数据训练,能够处理多种口音和背景噪音,适用于技术语言。Decipher通过GUI和命令行界面,简化字幕添加流程,提升视频的可访问性。
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。
Transkriptor - 多语种AI音频转文字和视频转录工具
AI工具AI转录Transkriptor协作功能多语言支持语音转文字
Transkriptor是一款AI驱动的音频转文字工具,支持100多种语言和多种文件格式。它提供高准确率的转录,文本编辑功能,多格式导出选项,以及AI辅助总结和团队协作功能。该工具可跨设备访问,适用于会议、采访和讲座等多种场景的转录需求。
docker-whisperX - 优化Docker镜像的WhisperX语音识别与转录解决方案
DockerGPU支持GithubWhisperX开源项目模型构建语音识别
docker-whisperX项目优化了WhisperX语音识别工具的Docker镜像构建流程。该项目实现了175个10GB大小Docker镜像的并行构建,提供多种预构建镜像和自定义选项,支持不同语言和模型。用户可通过GPU加速,获得包含逐字时间戳和说话人分离的高质量语音转文字结果。
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。
vits2_pytorch - 单阶段文本到语音转换的效率与质量提升
GithubVITS2单阶段模型对抗学习开源项目文本转语音架构设计
VITS2_pytorch是一款先进的单阶段文本到语音转换模型,采用对抗学习和架构设计改进前代产品。这一最新的非官方实现版本,旨在通过增强模型结构和训练机制,有效提升语音自然度和特征相似性,同时显著降低对音素转换的依赖,从而提高训练和推断的效率。该项目还为专业人士提供了预训练模型和多种语言的样本音频,支持开箱即用的转换学习。
stable-ts - Whisper语音转录时间戳优化和功能扩展工具
GithubWhisper开源项目时间戳稳定性语音识别转录
stable-ts是一个开源的Whisper语音转录优化工具。它通过改进时间戳生成算法,提高了转录结果的时间精确度。该工具扩展了Whisper的功能,增加了语音分离、降噪和时间戳调整等特性。stable-ts支持多种输出格式,并提供API和命令行接口,使语音转录更加稳定和高效。
whisper-obsidian-plugin - Obsidian语音转文字插件,轻松创建笔记
APIGithubObsidian插件OpenAIWhisper开源项目语音转文字
Whisper-obsidian-plugin是一个集成OpenAI Whisper技术的Obsidian插件,可将语音快速转换为文字笔记。该插件支持实时录音和音频文件上传,通过快捷键和命令面板操作。它具有灵活的设置选项,支持多语言识别,允许自定义文件保存路径。这个插件为Obsidian用户提供了一种新的高效笔记创建方式。
MeloTTS-Spanish - 基于CPU实时推理的多语言文本转语音系统
GithubHuggingfaceMeloTTS人工智能多语言支持开源项目文字转语音模型语音合成
MeloTTS是一个开源的多语言文本转语音框架,支持英语(含美式、英式、印度、澳洲变体)、西班牙语、法语、中文、日语和韩语等语言转换。系统可在CPU环境下实现实时推理,其中中文模型支持中英混合输入。该框架提供Hugging Face在线体验和本地部署方案,采用MIT许可证发布。
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