piper

针对树莓派4优化的高效本地文本转语音系统

Piper 语音合成 Raspberry Pi 多语言支持 onnx模型 Github 开源项目

Piper, 一款为树莓派4特化的高速文本到语音(TTS)系统，支持多语言和ONNX运行时框架。用VITS训练的多样化语音模型保证了顶级的输出质量。适用于命令行操作，可用于家庭自动化、教育以及辅助技术等多种应用场景。

NATSpeech - 非自回归文本转语音（NAR-TTS）框架

DiffSpeechGithubNATSpeechPortaSpeechPyTorchText-to-Speech开源项目

NATSpeech框架是一款高效的非自回归文本至语音转换系统，特点为便捷的操作、可扩展性强，并采用精准的数据处理技术。框架包括PortaSpeech与DiffSinger两种高质量语音合成技术，适用于高端研究与商业应用，配备详尽的技术文档及安装指导。

Bert-VITS2 - 多语言BERT驱动的语音合成模型

Bert-VITS2FishAudioGithubMassTTSTTSVITS开源项目

Bert-VITS2项目融合了多语言BERT和先进的自回归TTS模型，提供高品质的语音合成。此项目参考了MassTTS等开源项目，并推荐使用Fish-Speech。详情和演示请参见视频链接和文档，项目强调中文用户需求和法律合规，禁止违规用途。

SummerTTS - 独立的开源中英文语音合成系统

C++GithubSummerTTS开源项目模型更新独立编译语音合成

SummerTTS是一个无需外部依赖，本地独立运行的中英文语音合成工具。该系统支持一键编译，基于Eigen和最新的vits语音合成算法，并支持多平台包括Linux，能够有效运行。最新版本增加了纯英文快速模型并优化了文本正则化处理，旨在输出更自然和高质量的语音。详细使用说明及模型下载均可在项目页面获取。

J.A.R.V.I.S - 开源智能语音助手实现多功能自动化

GithubJ.A.R.V.I.SPython项目人工智能开源软件开源项目语音助手

J.A.R.V.I.S是一个开源的智能语音助手项目，集成了多项实用功能。它支持动态人脸识别认证、邮件发送、新闻播报和待办事项管理等。该项目还能执行网站访问、音乐播放、天气查询和YouTube搜索等任务。J.A.R.V.I.S通过语音交互方式，为用户提供信息获取和设备控制服务，旨在提升日常生活和工作效率。该项目基于Python开发，整合了多个功能模块。除基本的语音交互外，J.A.R.V.I.S还实现了人脸识别、邮件处理、新闻API集成等高级功能。系统可执行网页浏览、音乐控制、天气报告等日常任务，并支持YouTube视频搜索和下载。J.A.R.V.I.S项目展示了如何利用开源技术构建复杂的智能助手系统。

dc_tts - 基于深度卷积网络的高效文本到语音转换模型

DC-TTSGithubTensorFlow开源项目文本转语音训练模型语音样本

dc_tts，一个基于TensorFlow的文本到语音转换模型，使用深度卷积网络和引导注意力机制进行设计。项目不仅还原了相关学术论文，还对不同声音数据进行了深入研究，支持多种语言和数据集，提供完善的训练及预处理教程以及预训练模型，适用于学术研究和实际应用场景。

transcribe - 多语言实时转录和对话生成的开源工具

GithubOpenAITranscribe多语言支持安全功能实时转录开源项目

这个开源项目提供多语言实时转录，通过选择OpenAI GPT-4o、GPT-4、GPT-3.5等模型生成对话响应。软件具有最新的OpenAI库支持，无需Python依赖即可安装使用，并提供高安全性功能。支持麦克风和扬声器输入转换，用户可以定制提示、保存聊天记录，并可享受离线免费和在线付费的语音到文本转换服务。该工具在有GPU支持时性能最佳，并提供详细的安装指南和用户支持。

wetts - 端到端文本转语音开源工具包

GithubWeTTS多平台支持开源数据集开源项目端到端模型语音合成

WeTTS是一个开源的端到端文本转语音(TTS)工具包，专注于生产级和设备端应用。它支持多语言处理，提供预训练模型，并可在x86、Android和树莓派等多种平台上运行。WeTTS采用VITS等先进的端到端模型，结合WeTextProcessing进行文本规范化，并使用基于BERT的统一前端处理中文语音合成。该工具包支持多个开源数据集，为研究者和开发者提供高质量、易用的TTS解决方案。

parler-tts-mini-v1 - 通过文本提示控制的轻量级语音合成模型

GithubHuggingfaceParler-TTS人工智能开源项目文本转语音模型自然语言处理语音合成

Parler-TTS Mini v1是一个经过45K小时音频数据训练的轻量级文本转语音模型。该模型能生成高质量、自然的语音，并通过简单的文本提示控制语音特征，包括性别、背景噪音、语速、音高和混响等。它支持随机语音和特定说话人语音生成，是开源Parler-TTS项目的组成部分，为社区提供TTS训练资源和数据集预处理工具。

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。

vosk-api - 离线开源多语言语音识别工具，支持多种设备

GithubVosk多语言支持开源工具包开源项目离线语音识别

Vosk是一款离线开源语音识别工具包，支持20多种语言和方言。其模型体积小（仅50MB），但能提供连续的大词汇量转录、零延迟响应和流媒体API。支持Python、Java、Node.JS、C#、C++、Rust、Go等多种编程语言。适用于聊天机器人、智能家居设备、虚拟助手，也能为电影创建字幕、为讲座和采访生成转录。Vosk从Raspberry Pi等小型设备到大型集群均可扩展。访问Vosk官网获取安装指南、示例和文档。

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