Project Icon

pyht

将文本实时转换为高质量人声音频的Python SDK

pyht是基于PlayHT文本转语音API的Python SDK,能将文本实时转换为高质量人声音频流。该SDK支持预建和自定义声音,兼容WAV、MP3等多种音频格式。pyht安装简便,提供API接口和命令行演示,适用于虚拟助手、有声读物和无障碍服务等多种应用场景。此SDK需要Python 3.8+环境,依赖numpy和simpleaudio库。用户可通过pip快速安装,使用时需提供PlayHT的用户ID和API密钥。pyht提供了流式文本转语音功能,支持实时音频生成,为开发者提供了灵活的文本转语音解决方案。

MeloTTS-French - 多语言实时文本转语音库 支持CPU推理
GithubHuggingfaceMeloTTS多语言支持实时推理开源项目模型语音合成
MeloTTS是一款多语言文本转语音库,支持包括英语(美式、英式、印度、澳大利亚)、西班牙语、法语、中文、日语和韩语在内的多种语言和口音。该库具备中英混合语音合成功能,并支持CPU实时推理。开发者可通过简洁的Python代码接口使用MeloTTS,实现多样化的语音合成应用。
ukrainian-tts - 多声音乌克兰语文本转语音开源项目
ESPNETGithubUkrainian TTS多声音开源项目自动重音语音合成
Ukrainian TTS是一个开源的乌克兰语文本转语音项目,基于ESPNET框架开发。该项目支持离线多声音合成、自动重音标注和语速调节,可在Windows、Mac和Linux等多平台运行。项目提供在线演示、Telegram机器人和Colab notebook,便于快速体验。此外,它还支持移动设备推理,为开发者提供多样化的应用场景。
Make-An-Audio - 将文本转换为高保真音频的开源扩散模型
GithubMake-An-Audio人工智能开源项目扩散模型文本转音频音频生成
Make-An-Audio是一个开源的文本到音频生成项目,基于条件扩散概率模型。该项目能够从文本等多种模态生成高保真音频,支持文本到音频、音频到音频等多种任务。项目提供了预训练模型和简单的命令行操作,方便用户生成自定义音频。此外,项目还包含了详细的训练和评估流程,以及与其他模型的性能比较。
GPT4Audio - GPT4Audio: 多功能语音文字转换桌面应用
AI工具AI文本生成GPTMicrosoft Word插件图像生成语音转文字
GPT4Audio是一款功能强大的Windows桌面应用,支持多语言音频文件的转录和翻译,以及实时语音听写。该应用集成了Microsoft Word插件,结合ChatGPT和GPT-3/3.5技术,可快速生成文本和图像。无论是学习、工作还是创作,GPT4Audio都能显著提升效率,帮助用户轻松完成各类任务。
Pandrator - AI驱动的多语言语音生成和视频配音工具
GithubPandrator开源项目文本处理语音克隆语音合成音频生成
Pandrator是一款开源的多语言语音生成工具,支持将文本、PDF、EPUB和SRT文件转换为语音。该工具集成了语音克隆、LLM文本预处理和AI优化功能,可将生成的音频同步到视频中。Pandrator采用图形界面设计,提供一键安装,操作简便。它利用XTTS、Silero等开源模型实现语音合成,并支持RVC语音增强和NISQA质量评估,为语音生成提供全面解决方案。
MeloTTS-Korean - 开源多语言文本转语音库实现实时CPU推理
GithubHuggingfaceMeloTTS多语言支持实时推理开源项目文字转语音模型
MeloTTS是一款开源的多语言文本转语音库,支持多种语言和口音,包括英语(美式、英式、印度、澳大利亚)、西班牙语、法语、中文、日语和韩语。该库具备混合中英文处理和CPU实时推理能力,用户可通过Python代码或在线演示使用。MeloTTS采用MIT许可证,鼓励社区参与和贡献。
AudioLDM2 - 多功能文本到音频生成开源项目
AudioLDM 2Github人工智能开源项目文本生成音频深度学习音频合成
AudioLDM2是一个开源的文本到音频生成项目,支持创建音效、音乐和语音。该模型能生成超过10秒的音频,输出高达48kHz的高保真音频,并与Hugging Face Diffusers库集成。AudioLDM2提供多个预训练检查点,适用于不同生成任务,支持CPU、CUDA和MPS设备。用户可通过命令行或Web应用程序使用,提供灵活的音频生成选项。项目还包括随机种子调整功能,可优化不同硬件上的性能表现。支持批量生成和自动质量控制,允许用户生成多个候选音频并选择最佳结果。此外,项目提供了详细的使用说明和参数设置选项,方便用户根据需求调整生成过程。
MeloTTS-Spanish - 基于CPU实时推理的多语言文本转语音系统
GithubHuggingfaceMeloTTS人工智能多语言支持开源项目文字转语音模型语音合成
MeloTTS是一个开源的多语言文本转语音框架,支持英语(含美式、英式、印度、澳洲变体)、西班牙语、法语、中文、日语和韩语等语言转换。系统可在CPU环境下实现实时推理,其中中文模型支持中英混合输入。该框架提供Hugging Face在线体验和本地部署方案,采用MIT许可证发布。
pysox - Python封装的SoX音频处理工具
GithubPythonSoXpysox开源库开源项目音频处理
pysox是一个Python库,为SoX音频处理工具提供了Python接口。它支持音频格式转换、效果应用和文件合并等操作,可实现音频裁剪、压缩、淡入淡出等功能。pysox支持文件处理和NumPy数组操作,适用于音频分析和处理。该库需要SoX 14.4.2或更高版本,支持多种音频格式,并提供了简洁的API接口。
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