Project Icon

vosk-server

多协议支持的高准确度离线语音识别服务器

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。

synapse - 开源Matrix通信服务器实现联邦、加密和VoIP
GithubMatrixSynapse开源开源项目服务器通信
Synapse是一个开源的Matrix homeserver实现,支持联邦、端到端加密和VoIP功能。它为用户提供跨服务器的安全通信基础设施。Synapse具有丰富的配置选项,支持反向代理部署,并遵循严格的安全规范。该项目适合个人和组织搭建私有Matrix服务器,可与Matrix生态系统无缝对接。
whisper.api - 开源自托管语音转文字API项目
API密钥GithubWhisper API开源项目自托管语音转文本
whisper.api是一个开源的自托管语音转文字API项目,基于微调的Whisper ASR模型。项目提供HTTP API接口,支持用户级API密钥管理,并采用量化模型优化,实现高效推理。其开源特性便于自定义和私有部署,适用于各类需要语音识别功能的应用场景。
vocos-mel-24khz - 基于GAN的高效神经声码器Vocos
GANGithubHuggingfaceVocos开源项目梅尔频谱图模型神经声码器音频合成
Vocos是一个开源的神经声码器项目,采用GAN训练方法,能够从声学特征快速合成高质量音频。它通过生成频谱系数并进行傅里叶逆变换重建音频,实现单次前向传播的高效生成。项目提供预训练模型和Python接口,支持梅尔频谱图重建和文件复合合成。Vocos结合了时域和傅里叶域声码器的优点,为音频合成领域提供了新的技术方案。
RealtimeSTT - 实时语音转文本库 适用于低延迟应用
GithubRealtimeSTT唤醒词实时转录开源项目语音助手语音转文本
RealtimeSTT是一个为实时应用设计的语音转文本库。它集成了语音活动检测、实时转录和唤醒词激活等功能,适合开发语音助手和需要快速精确语音转文本的应用。该库采用WebRTCVAD和SileroVAD进行语音检测,Faster_Whisper执行转录,Porcupine或OpenWakeWord负责唤醒词检测,体现了当前语音识别技术的先进水平。
gdansk-ai - 开源全栈AI语音对话系统 整合多项云服务
AI语音聊天机器人Auth0GithubOpenAIStripe全栈AI应用开源项目
Gdańsk AI是一个开源的全栈AI语音对话系统,集成了语音转文本、大型语言模型和文本转语音技术。该项目整合了Auth0身份验证、OpenAI和Google Cloud API的AI能力,以及Stripe支付功能。系统由Web应用、API和AI组件构成,为开发者提供完整的AI对话解决方案。用户可通过购买'bibs'代币与AI进行语音交互。本项目采用Node.js、TypeScript和Python等技术栈,结构清晰,便于二次开发。系统支持用户通过语音进行AI对话,并提供便捷的支付流程。开发者可根据需求自定义AI模型和对话流程,快速构建语音交互应用。
heplify-server - 轻量级高性能VoIP网络监控解决方案
GithubHOMERSIP监控heplify-server开源项目性能优化抓包工具
heplify-server是一款开源的Go语言开发独立HOMER捕获服务器,优化了速度和简洁性。该工具可捕获TLS和UDP HEP协议数据包,提供精确的SIP和RTCP指标分析。通过集成Prometheus和Grafana,heplify-server实现了全面的网络监控和SIP中继管理。作为轻量级解决方案,它无需依赖Kamailio或OpenSIPS,专注提供简单高效的VoIP监控体验。
gptsovits-api - 基于GPT-SoVITS的灵活语音合成API接口
API调用GPT-SoVITSGithub声音克隆开源项目模型训练语音合成
gptsovits-api项目为GPT-SoVITS提供了扩展API接口。它支持自定义模型、参考音频和多语言设置,可处理中英混合文本。通过简单的HTTP API,开发者能轻松将语音合成功能集成到应用中。该接口适用于默认和自训练模型,能满足不同场景的语音合成需求。
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。
VITS-fast-fine-tuning - 个性化多语言语音合成与转换工具
GithubVITS声音转换多语言开源项目文本转语音语音克隆
VITS-fast-fine-tuning是一个开源的语音合成项目,旨在快速实现个性化的多语言文本转语音和声音转换功能。该工具支持中英日三语合成,允许用户添加自定义声音,并实现角色间的声音转换。项目提供本地训练和Google Colab两种方式,适应不同用户需求。此外,它能从多种音频源(如短音频、长音频、视频和B站链接)克隆声音,为用户提供灵活的声音定制选项。VITS-fast-fine-tuning的微调过程通常只需1小时左右,大大提高了个性化语音模型的开发效率。
WhisperSpeech - 多语言支持的开源文本转语音系统,功能强大并易于定制
GithubWhisperSpeech多语言支持开源模型开源项目文本转语音语音克隆
WhisperSpeech是基于开源Whisper框架开发的文本至语音系统,提供了商业级安全的语音合成解决方案。当前支持英语LibreLight数据集,并计划拓展到多语言支持。用户可通过在线Colab平台体验其高效的语音合成和声音克隆功能。
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