Logo
Project Icon

vad

JavaScript实时语音活动检测开源库

语音活动检测JavaScriptSilero VADONNX Runtime实时语音处理Github开源项目

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。

访问官网访问官网GithubGithub文档文档
介绍相关项目
ai-devices - 智能语音助手现支持多语音模型和视觉推断技术
AI设备GPT-4GithubOpenAI开源项目语音输入镜像处理
本项目是AI驱动的智能语音助手，集成多种AI模型和服务。支持语音输入、文字转语音、图片处理及功能调用，提供高级视觉推断，保障用户获得全面的智能交互体验。主要支持最新的gpt-4o和gemini-1.5-flash-latest视觉模型，满足现代科技需求。
esp-sr - 集成唤醒词检测和语音命令识别的语音处理方案
ESP-SRGithub唤醒词引擎开源项目语音命令识别语音识别音频前端处理
ESP-SR是一款针对ESP32和ESP32-S3芯片优化的智能语音识别框架。它集成了音频前端处理、WakeNet唤醒词检测、MultiNet语音命令识别和语音合成等功能模块。该框架支持自定义唤醒词和300多个中英文语音命令，提供高性能、低内存占用的离线语音处理方案。ESP-SR的双麦克风音频前端已获得亚马逊Alexa内置设备认证，可用于构建各类智能语音应用。
tesseract.js - 多语言的从图像中识别文字的JavaScript库
GithubJavaScript库OCR引擎Tesseract.jsWebAssembly图像识别开源项目
Tesseract.js 是一个功能强大的 JavaScript 库，支持从图像中提取多种语言的文字，适用于浏览器和 Node.js 环境。它利用 WebAssembly 技术封装了 Tesseract OCR 引擎，支持通过 CDN、Webpack 或本地安装进行集成。该库具备低内存占用、快速处理、多种图像格式支持和并行处理功能。最新版本优化了文件大小和运行时性能，兼容多平台，适用于文档扫描和实时视频识别等应用。
VALL-E-X - 开源多语言文本到语音合成及声音克隆模型
GithubVALL-E X多语言文本转语音开源开源项目语音克隆高质量语音合成
VALL-E X是微软提出的多语言文本到语音合成模型，支持英语、中文和日语。这款开源模型通过几秒的声音样本，能够生成高质量、个性化的语音输出。它整合了多项先进技术如情感控制及跨语言语音合成，使其能够模拟多种语音和情绪，便于快速体验次世代语音合成技术。加入了开源实现和创新技术应用，强调其技术先进性和应用广泛性。
lora-svc - 开源AI歌声转换系统，结合Whisper和BigVGAN的先进技术
BigVGANGithubLoRASinging Voice ConversionWhisper人工智能开源项目
lora-svc是一个开源的歌声转换系统，集成了OpenAI的Whisper、Nvidia的BigVGAN和Microsoft的Adapter技术。该项目利用多语言语音识别、反混叠语音生成和高效微调等技术，实现高质量的声音转换。lora-svc提供完整的数据处理、模型训练和推理流程，支持自定义训练和灵活推理，适合研究声音转换技术的开发者和研究人员使用。
ms-ra-forwarder - 部署灵活的多平台语音合成解决方案
DockerGithubHerokuRailwayVercel开源项目部署
ms-ra-forwarder是一款易于部署且支持多平台的语音合成工具，兼容Docker、Heroku等环境。它允许用户简便地在多个平台进行语音生成和调用，支持多种音频格式和发音风格定制。项目还包括安全措施如环境变量设定，确保服务不被滥用，主要面向个人学习和非商业应用。
howler.js - 跨平台 Web 音频库 支持多种格式与控制
GithubHTML5 AudioJavaScriptWeb Audio APIhowler.js开源项目音频库
howler.js 是一个轻量级 Web 音频库，统一了音频处理接口。优先使用 Web Audio API，兼容 HTML5 Audio。支持多种音频格式，提供自动缓存、音量调节、3D 音效等功能。无需依赖其他库，压缩后仅 7KB。适用于游戏、音乐播放器等需要复杂音频控制的 Web 应用，简化了跨平台 JavaScript 音频开发。
SIREN - 综合音频AI解决方案 支持多语言多功能语音处理
AI工具AI语音多语言支持文字转语音视频配音音频转录
该平台集成多种音频AI技术，提供语音转文字、音频笔记、文字转语音、视频配音和直播字幕等服务。支持120多种语言和多种音频格式，具备可视化和摘要功能。平台提供420多种AI语音风格，覆盖100多种语言的文本转语音服务。用户可轻松实现内容国际化，无需编码即可处理各类音频任务。适用于教育培训、媒体制作、客户服务等多个领域，显著提升工作效率和内容质量。
OpenVoiceOS - 开源语音平台 实现跨设备语音控制
AI工具OpenVoiceOS多平台开源语音助手社区驱动自定义语音界面
OpenVoiceOS是社区驱动的开源语音平台，致力于创建跨设备语音控制界面。平台支持自然语言处理，提供可定制界面，重视隐私安全。适用于多种设备，包括嵌入式设备和单板计算机，方便DIY智能音箱制作。OpenVoiceOS为开发者提供实验环境，可在Linux和开源语音助手项目中测试新功能。支持Docker和Python安装，并为Raspberry Pi和Mycroft设备提供预构建镜像。
whisper-turbo - 基于WebGPU的浏览器端语音转文字引擎
GithubWebGPUWhisper Turbo开源项目浏览器语音识别跨平台
Whisper Turbo是一个基于WebGPU技术的开源语音识别项目，专门为浏览器和Electron应用设计。这款跨平台工具能在客户端高效执行语音转文字任务，目前支持Windows和MacOS上的Chromium浏览器。项目提供在线演示和详细文档，其核心由Rust编写的Ratchet库提供支持，确保了卓越的性能表现。
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

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。

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