Project Icon

stable-ts

Whisper语音转录时间戳优化和功能扩展工具

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。

SwiftWhisper - 利用whisper.cpp为应用或软件包添加语音转录功能
APIGithubSwiftSwiftWhisperWhisper开源项目转录
SwiftWhisper利用whisper.cpp为应用或软件包添加语音转录功能。通过Swift Package Manager或Xcode进行安装,支持多种平台和Swift版本。提供详细的API文档和CoreML支持,通过AudioKit将音频转换成16kHz PCM格式,是高效语音转录的理想选择。
WhisperUI - 多语言支持的高效语音转文字工具
AI工具API密钥OpenAI Whisper多语言支持语音转文字转录
WhisperUI是一款基于先进语音识别技术的转文字工具。支持多种音频格式,可快速将语音转换为文本和SRT字幕。具备多语言转录功能,转录准确度高,抗干扰能力强。提供免费基础功能和付费高级特性。适用于多种场景的音频转文字需求,是一个便捷、经济的语音识别解决方案。
Stable Audio Open - 开源文本转音频模型 生成高质量短音频样本和音效
AI工具Stable Audio Open开源模型文本到音频音效制作音频生成
Stable Audio Open是一个开源的文本转音频生成模型,专注于创建短音频样本、音效和音乐制作元素。用户可通过文本提示生成最长47秒的高质量音频。该模型适用于创建鼓点、乐器片段、环境音效和拟音效果等。作为免费开源工具,它为音乐制作和声音设计提供了实用的解决方案。用户可以使用自己的数据微调模型,生成个性化音效。此外,模型支持部署到个人设备,便于自定义使用。
whispering-ui - 多功能实时语音处理开源应用
AI模型GithubWhispering Tiger UI实时翻译开源工具开源项目语音转写
Whispering Tiger UI是一个开源项目,提供原生用户界面来控制Whispering Tiger应用。它能够处理实时音频流和游戏画面,进行转录和翻译,并通过WebSocket或OSC将结果输出到浏览器或VRChat。核心功能涵盖语音转文字、文本翻译、文字转语音和图像识别。该工具支持插件扩展,界面友好,适合不同经验水平的用户使用。
WhisperHallu - 实验性音频预处理工具提升Whisper转录准确度
AI处理GithubWhisper噪音去除开源项目语音转录音频预处理
WhisperHallu是一个实验性音频预处理项目,通过降噪、静音去除和语音标记等技术优化Whisper转录,减少幻听文本。该工具提供多种处理选项,支持与WhisperTimeSync和karaok-AI等项目集成。项目包含Google Colab笔记本和详细的安装使用说明,为追求高质量音频转录的开发者和研究人员提供了实用解决方案。
GoWhisper - 跨平台本地音频转录应用 注重隐私保护
AI工具AI转录GoWhisper多语言支持文件格式转换语音转文字
GoWhisper是一款跨平台桌面应用,专注于本地音频转录,确保用户隐私。支持99种语言转录,适合研究人员、播客主持人和内容创作者使用。应用提供多种AI模型、文件格式支持和导出选项,简化转录流程。其功能包括音频播放、录音转录和文本编辑,为用户提供全面的音频处理方案。
WhisperTranscribe - 音频转文字与AI内容生成一体化平台
AI工具AI转录WhisperTranscribe内容生成语音识别音频转文字
WhisperTranscribe集成了音频转文字和AI内容生成功能。该工具支持55种以上语言的音频转录,并提供字幕翻译服务。通过AI技术,它能自动生成摘要、章节、社交媒体帖子和博客文章等多样化内容。WhisperTranscribe为播客制作者、视频创作者和营销人员提供一站式内容创作解决方案,有助于提升工作效率和扩大受众范围。
stable-audio-open-1.0 - 开源文本转音频模型支持44.1kHz立体声和最长47秒音频生成
GithubHuggingfaceStable Audio Open 1.0人工智能开源项目机器学习模型音乐创作音频生成
Stable Audio Open 1.0是Stability AI推出的开源音频生成模型,通过自编码器、T5文本嵌入和DiT扩散模型架构,将文本转换为最长47秒的44.1kHz立体声音频。模型基于48万条音频数据训练,在音效和环境音生成方面表现突出,支持stable-audio-tools和diffusers两种调用方式。现阶段仅支持英文提示词输入,不具备人声生成能力。
friendly-stable-audio-tools - 改进后的Stable Audio Tools开源框架支持音频生成模型训练和推理
AI音频生成GithubStable Audio开源项目模型训练深度学习音乐生成
该项目是对Stability AI的stable-audio-tools的重构和增强,提供了音频和音乐生成模型的开源代码。重构后的代码提高了可读性和易用性,并新增了评估和使用自训练模型的脚本。项目详细说明了如何训练Stable Audio 2.0等模型,并提供了Stable Audio Open 1.0的使用文档和便捷脚本。此外,项目支持多GPU/节点生成,并集成了Gradio界面用于测试模型。
whisper-diarization - 基于OpenAI Whisper的音频转录和说话人分离工具
GithubOpenAI WhisperSpeaker Diarization开源项目语音识别说话人分类音频处理
whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取,然后利用Whisper生成转录文本,并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术,它能够准确识别多个说话人,最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景,为音频转录和分析提供了强大支持。
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