UEAzSpeech

虚幻引擎整合Azure语音服务的开源插件

Unreal Engine 插件 Azure 语音识别语音合成 Github 开源项目

UEAzSpeech是一个开源的虚幻引擎插件，通过异步任务将Azure语音认知服务整合到引擎中。插件提供语音识别和合成功能，还包含一个可在引擎中直接生成USoundWave音频的编辑器工具。支持多种语言，并提供详细文档和示例项目，适用于需要在虚幻引擎项目中实现语音交互功能的开发者。

Github

文档

介绍相关项目

OpenAI-Bridge - Blender插件，集成OpenAI API实现图像生成与音频转录功能

BlenderGithubOpenAI图像生成开源项目插件音频转录

OpenAI-Bridge是一款Blender插件，帮助用户在Blender中集成OpenAI API功能，包括图像生成与编辑、音频转录、聊天、以及Blender Python代码生成与编辑。支持的模型有DALL-E, whisper-1, gpt-3.5-turbo, gpt-4和gpt-4-32k。用户可以通过插件文档获取安装指南、使用教程和最新更新，并通过GitHub报告问题、请求新功能和参与讨论。

glados-tts - 开源Portal风格语音合成引擎

GLaDOSGithub安装指南开源项目模型训练神经网络语音合成

GLaDOS TTS是一个开源的文本转语音引擎，利用神经网络技术生成Portal游戏风格的GLaDOS语音。该项目支持独立运行和远程API调用，提供了详细的安装说明和训练方法。GLaDOS TTS包含多说话人模型训练和模型优化功能，适用于各种设备和应用场景。开发者可以通过此项目轻松将Portal风格的语音集成到自己的应用中。

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。

ASTRA.ai - 改进语音互动和自定义功能的高效代理方案

AstraDockerGithubGraph DesignerTENVoice agent开源项目

ASTRA.ai 由 TEN 驱动，提供无缝的对话体验。通过集成 Agora 和 Azure API，实现语音到文字及文字到语音的转换。使用 Docker 和 Node.js，本地构建和配置变得简单。开发者能够创建和自定义语音代理，零编码知识的用户也可通过 TEN 图形设计工具设计个性化代理应用。加入社区，分享应用和反馈，推动平台进步。更多详情请参见文档和贡献指南。

Speechson - 在线多语言文本转语音服务

AI工具AI语音生成SSML功能Speechson多语言支持文字转语音

Speechson是一个在线文本转语音平台，提供840多种AI语音和135多种语言方言。支持MP3、OGG、WAV和WEBM等音频格式输出。借助深度学习技术，生成高质量、自然的语音。平台支持SSML功能，方便调整语音特性。适用于教育培训、内容创作等多种场景，能够满足多样化的语音需求。

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。

FastSpeech2 - 快速且高质量的端到端文本转语音

FastSpeech 2GithubMelGANNVIDIAPyTorch开源项目文本转语音

FastSpeech 2，面向精准快速的文本到语音转换，基于PyTorch与Espnet技术，配备Nvidia与MelGAN工具，极致优化语音生成效果，适合各类开发者利用和研究。

Unmixr - 全面的AI语音合成和内容生成解决方案

AI工具AI翻译AI聊天机器人AI语音合成AI配音文字转语音

Unmixr是一个综合性AI内容创作平台，提供AI语音合成、视频配音、多模型聊天和文案生成等功能。平台支持1000多种AI声音和104种语言，可生成长达3.5小时的音频。集成GPT-4、Claude等大语言模型，支持文档问答和内容创作。此外还包括AI图像生成、视频转录和翻译功能，适合内容创作者、教育工作者和营销人员使用，有助于提高内容制作效率。

SpeechFlow - 高准确度多语言语音识别API实现智能音频转文字

AI工具API集成人工智能准确率多语言支持语音转文字

SpeechFlow语音识别API支持14种语言的音频转文字，准确率超越市场同类20%。简洁API设计便于云端和本地部署，高效处理大量音频。按需付费模式为企业和个人提供可靠的语音转写解决方案，促进音频内容智能化。

UniCATS-CTX-vec2wav - 声学上下文感知的创新声码器

CTX-vec2wavGithubUniCATS上下文感知声码器开源项目语音合成

UniCATS-CTX-vec2wav是UniCATS框架中的声学上下文感知声码器。该项目利用上下文VQ-Diffusion和声码化技术进行语音合成，提供完整的训练和推理流程。支持多GPU训练，并提供16kHz和24kHz采样率的预训练模型参数。此开源项目为研究人员和开发者提供了探索先进语音合成技术的平台。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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