Logo
Project Icon

vosk-server

多协议支持的高准确度离线语音识别服务器

语音识别服务器通信协议离线识别Vosk-APIGithub开源项目

vosk-server是一个基于Kaldi和Vosk-API的高准确度离线语音识别服务器。支持MQTT、GRPC、WebRTC和Websocket四种主要通信协议，适用于智能家居、PBX系统以及Web流式语音识别等场景。该服务器可本地部署，也可作为聊天机器人、网站和电话系统的后端。Vosk网站提供详细的文档和使用说明。

访问官网访问官网GithubGithub文档文档
介绍相关项目
vits-simple-api - 多功能语音合成和转换API
GPU加速Githubvits-simple-api人工智能多模型支持开源项目文本转语音
vits-simple-api运用先进的VITS技术，支持文本到语音的转换，包括情感和声音风格的自定义，适用于众多场景。此外，项目还支持中文、日语等多语言，提供实时和批量处理模式，以及Docker和虚拟环境部署选项，确保安装和使用的便捷性。
vocos - 基于傅里叶变换的快速神经声码器
GithubVocos开源项目深度学习神经声码器语音技术音频合成
Vocos是一款创新的神经声码器，通过生成频谱系数而非时域样本来合成音频波形。它采用GAN训练，支持从梅尔频谱图和EnCodec令牌重建音频，实现了快速高效的音频合成。Vocos的独特设计弥合了时域和傅里叶域神经声码器之间的差距，为音频合成领域提供了新的解决方案。
stt - 高效离线本地语音识别工具，基于fast-whisper模型，支持多种输出格式
CUDA加速Githubfast-whisper开源项目文本输出本地部署热门语音识别
这款语音识别工具可在本地离线运行，基于开源的fast-whisper模型，可将视频和音频中的人声快速转换为文字。支持输出json、srt及纯文本格式，无需联网，确保隐私安全，与openai语音识别接口准确率相当。用户可便捷下载预编译版本，或自行部署源码，支持多种操作系统。此外，还提供API接口，适合开发者使用。支持CUDA加速，优化处理速度。
transcriptionstream - 离线的自托管语音识别服务，支持快速文本搜索
GithubMeilisearchMistralOllamaTranscription Streamwhisper-diarization开源项目
Transcription Stream是一款离线运行的自托管语音识别与多说话者分离服务，支持拖放操作、SSH文件传输、Ollama和Mistral的摘要生成，以及Meilisearch带来的快速全文搜索功能。用户可以通过Web界面或SSH上传、审阅和下载处理后的文件，结果存储在相应的命名和标日期的文件夹中。
voice-changer - 多平台实时语音转换软件 支持多种AI模型
AIGithubVC Clientクロスプラットフォームリアルタイム开源项目音声変換
VC Client是一款多功能实时语音转换软件，支持MMVC、so-vits-svc、RVC等多种AI模型。该软件兼容Windows、Mac和Linux平台，可通过网络远程使用。提供预构建二进制文件和Docker环境两种部署选项，方便不同技术水平的用户使用。软件具备将处理负载转移到外部设备的功能，适合与游戏等高负载应用同时运行。用户可根据需求选择合适的使用方式，实现高质量的实时语音转换。
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。
insanely-fast-whisper-api - 音频转文字的高速开源API，支持GPU云部署与并发处理
DockerGithubJigsawStackWhisper API开源开源项目转换音频
这是一款基于OpenAI Whisper Large v3的API，能够高速将音频转录为文字。此开源项目支持在任意支持GPU的云提供商上部署，内置说话人分离功能，提供易用的Fast API层、异步后台任务和Webhooks，优化了并发处理。支持任务管理、取消与状态查询，拥有安全的管理员认证访问。通过Docker可以轻松部署到包括Fly.io在内的多种VM环境，实现高效的生产用途。
vocechat-server-rust - 轻量级私有云聊天服务器解决方案
APIGithubVoceChat开源开源项目社交媒体私人云服务
VoceChat Server，一个使用Rust编写的轻量级私有聊天服务器，大小仅20MB，可轻松整合进现有应用。提供即插即用的Docker部署和开放API，支持实时消息、视频通话和多种其他功能，同时保障信息为用户私有财产，适用于个人免费使用，大型部署需要授权许可。
TensorVox - 用 C++ 编写的神经语音合成桌面应用程序
Coqui-TTSGithubTensorFlowTTSTensorVoxVITS开源项目神经语音合成
TensorVox是为提高神经语音合成技术普及度而设计的桌面应用。支持多语言，不需庞大Python库，该工具通过TensorFlow C API和LibTorch实现轻量级操作。提供清晰易懂的模型训练和导出指南，是语音技术爱好者的顶级选择。
vocos-encodec-24khz - 基于频域的高效神经声码器实现快速高质量音频合成
AI语音Fourier变换GithubHuggingfaceVocos开源项目模型神经声码器音频合成
Vocos是一种基于频域的神经声码器，利用生成对抗网络（GAN）训练，实现单次前向传递生成波形。通过在频域建模音频并使用逆傅里叶变换，Vocos能够快速重建高质量音频。项目提供简便的安装方法和使用示例，支持从EnCodec令牌重建音频和文件复制合成。这种创新方法在保证音频质量的同时大幅提升了处理效率，为音频合成技术开辟了新路径。
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