Project Icon

vad

JavaScript实时语音活动检测开源库

vad是一个开源的JavaScript语音活动检测库,支持浏览器端运行。该项目基于Silero VAD模型和ONNX Runtime,提供麦克风管理、音频录制和语音段识别功能。通过简洁API,开发者可轻松将其集成到Web、Node.js和React应用中,实现实时语音检测和处理。vad为语音交互应用提供了高效且易用的底层支持。

vibe - 离线音视频转录,多语言支持和多格式输出
GithubOpenAI WhisperVibe开源项目批量转录隐私音频转录
Vibe利用开源工具OpenAI Whisper进行离线音视频转录,支持几乎所有语言,保证数据隐私。软件界面友好,支持多种文件格式如SRT、VTT、TXT、HTML、PDF和JSON。Vibe还具备批量转录、多语言翻译和实时预览等功能,适用于Windows、Linux和macOS系统。优化了对CPU和GPU的支持,兼容Nvidia和AMD GPU。用户可以通过命令行接口进行操作,并提供HTTP API文档。其他功能包括系统音频转录、麦克风转录、说话人分割,未来还将支持iOS和Android。
whisper-node - 提升本地转录性能的Node.js绑定
GithubJSONNode.jsOpenAIwhisper-node开源项目转录
Whisper-node是OpenAI Whisper的Node.js绑定,支持本地转录,输出格式包括JSON、.txt、.srt和.vtt。该项目经过CPU优化,支持Apple Silicon ARM,并提供单词级精度的时间戳。通过npm可快速安装,并可选下载模型。未来将增加浏览器兼容性、语言检测和说话者识别等新功能。
audioseal - 创新语音水印技术 提升音频安全性能
AI模型AudioSealGithub开源项目语音水印音频处理
AudioSeal是一种创新的语音水印技术,在音频中嵌入难以察觉的水印,并能快速准确地检测。该技术具有出色的抗篡改能力,可在编辑后的长音频中识别水印片段。AudioSeal实现了高精度的样本级检测,同时保持音质,适用于大规模和实时应用场景。其检测速度比现有方法快近百倍,为音频安全和版权保护提供了强有力的工具。
huggingface.js - 与现代浏览器和Node.js集成的Hugging Face机器学习JS库
APIGithubHugging FaceJavaScript开源项目机器学习
Huggingface.js是多个JS库的集合,用于与Hugging Face API交互,支持创建或删除仓库、上传下载文件及调用超过10万个机器学习模型。兼容现代浏览器和Node.js 18以上版本,并通过NPM或CDN静态托管进行安装。主要功能包括推理服务、自然语言界面和远程文件解析,适用于多种机器学习应用场景。
FunASR - 综合性开源语音识别与处理工具集
FunASRGithub多任务开源项目模型部署语音识别预训练模型
FunASR是一个全面的开源语音处理工具集,融合了学术研究和工业应用。它不仅支持语音识别模型的训练和微调,还提供了语音活动检测、标点恢复等多种功能。该项目提供大量预训练模型,便于快速构建高效准确的语音识别服务。FunASR以其广泛的功能、高性能和易部署特性,为语音识别技术的研究和应用提供了强大支持。
DeepSpeech - 开源的深度学习语音识别引擎
GithubProject DeepSpeechTensorFlow开源开源项目机器学习语音识别
DeepSpeech是一个开源语音转文字引擎,基于百度的Deep Speech研究,并利用Google TensorFlow实现。提供详细的安装、使用和训练模型文档。最新版本及预训练模型可在GitHub获取,支持和贡献指南请参阅相应文件。
DDSP-SVC - 低硬件需求语音转换工具,支持多音色训练
AI语音转换DDSP-SVCGithub声音转换开源项目数字声音信号处理深度学习
DDSP-SVC是一个开源AI语音转换项目,适用于普通个人电脑。相比SO-VITS-SVC,该项目具有较低的硬件资源消耗,训练速度接近RVC。项目包含新型Cascade Diffusion模型,支持多音色训练,提供多个预训练模型,满足多种语音转换需求。
speech_dataset - 多语言语音识别与合成数据集详细介绍及应用
Github多人语音识别开源开源项目数据集语音合成语音识别
此页面总结了多语言语音数据集,包括中文、英文、日语、韩语、俄语等。涵盖了语音识别、语音合成、说话人识别和分离等应用领域,详细描述了每个数据集的时长、下载地址及其具体用途,帮助用户快速找到符合科研或项目需求的语音数据。
PaddleSpeech - 全面的开源语音处理工具集,涵盖语音识别、语音合成、说话人验证等多项功能
GithubPaddleSpeech声纹识别开源项目文本转语音热门语音合成语音识别
PaddleSpeech是基于PaddlePaddle平台的开源语音处理工具集,覆盖自动语音识别、文本转语音合成、说话人确认及声音分类等多项功能,提供易于使用、高效和灵活的模型,支持各类语音相关任务。工具集包含全流程服务,支持流式识别与合成系统,为研究和工业应用提供强大支持。
standardized-audio-context - Web Audio API跨浏览器封装库 实现统一可靠的音频处理
AudioContextGithubOfflineAudioContextWeb Audio API开源项目跨浏览器兼容音频处理
standardized-audio-context是Web Audio API的跨浏览器封装库,提供几乎完整的API子集。作为ponyfill实现,不影响全局作用域,可安全用于其他库。该项目专注实现缺失功能,避免重写内置特性,在支持的浏览器中提供一致可靠的音频处理能力,为开发者提供标准化的Web音频开发体验。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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