ospeak

利用OpenAI文本转语音API的高效命令行工具

ospeak OpenAI CLI工具 ffmpeg pipx Github 开源项目

ospeak是一款命令行工具，通过OpenAI文本转语音API处理文本，并生成或保存音频。用户可以通过pipx安装，支持多种语音选择、模式切换、语速调整和音频文件导出。使用需提供OpenAI API密钥，适合开发者和终端用户，提供详细的安装和使用指南。

speak-gpt - 开源高级AI助手，兼容多种语言模型

API提供商GPT模型GithubSpeakGPT人工智能助手开源开源项目

SpeakGPT是一款开源高级AI助手，利用强大的大语言模型（LLM）提供卓越的性能和功能。支持GPT、LLAMA、MIXTRAL、GEMMA、Gemini、DALL-E等多种模型。核心功能包括聊天、图像生成、语音输入、功能调用、深色模式和自定义API提供商支持。通过优化设计和安全的API密钥存储保证数据安全，代码公开可供检查以确保其安全性。

insanely-fast-whisper - 高效率开源语音转录命令行工具

AI模型CLI工具GithubWhisper开源项目性能优化语音转录

Insanely Fast Whisper是一款开源的高性能语音转录命令行工具，基于Transformers、Optimum和Flash Attention技术。该工具支持OpenAI的Whisper Large v3模型，能够在98秒内处理150分钟的音频。通过Flash Attention 2和批处理等优化，大幅提升了转录效率。适用于NVIDIA GPU和Mac设备，用户可通过简单的命令实现快速准确的音频转录。

epub_to_audiobook - EPUB电子书转换为有声读物工具，支持Azure和OpenAI TTS技术

AudiobookshelfAzure TTSEPUB to AudiobookGithubOpenAI TTSText-to-Speech开源项目

epub_to_audiobook是一个开源的命令行程序，能够把EPUB电子书转换为有声读物。利用Microsoft Azure和OpenAI的TTS API，为每章节产生高质量的音频文件，完美适配Audiobookshelf。提供Edge TTS支持，无需API密钥即可操作。

Audyo - 多语言AI语音创作和编辑工具

AI工具AI语音合成名人模仿多语言支持文本转语音音频编辑

Audyo是一款文本转语音工具，提供100多种AI语音和多语言支持。用户可以像编辑文档一样创建音频，轻松切换说话者和调整发音。平台具备AI辅助功能，适用于视频配音、播客和有声书制作。Audyo为内容创作者提供了便捷的音频生成解决方案。

Cognitive-Speech-TTS - 高效文本转语音解决方案，支持个性化声音定制

Azure AIAzure Cognitive ServicesGithubMicrosoftSpeech SDKText-to-Speech开源项目

Azure Cognitive Service的TTS技术支持高效的文本转语音转换，提供多语言、多情感和个性化声音定制。通过REST API和Speech SDK集成，提供跨平台解决方案，应用广泛，包括教育、媒体、娱乐和医疗等领域。最新更新及客户案例展示了Azure AI推动的创新及优质用户体验。

SpeakNotes - AI语音转文字和自动摘要工具

AI工具SpeakNotes免费工具新建语音备忘录语音备忘录隐私政策

SpeakNotes是一款AI驱动的语音处理工具，专注于语音转文字和AI摘要功能。它可将语音笔记、会议内容和视频音频快速转录为文字，并自动生成摘要。这款智能语音备忘录应用简化了语音信息的处理流程，显著提高了信息记录和整理效率，特别适合需要快速提取关键信息的商务人士、学生和研究人员。通过智能化处理语音数据，SpeakNotes帮助用户更轻松地获取重要信息，有效提升工作和学习效率。无论是日常备忘还是重要会议记录，SpeakNotes都是您的理想语音助手。

AnyToSpeech - 多功能AI文本转语音在线工具

AI工具AI语音合成PDF转语音URL转语音图像转语音文本转语音

AnyToSpeech是一款在线AI文本转语音工具，可将文本、PDF、文档、扫描件和图片转换为自然语音。适用于教育、视频制作和有声书创作等多种场景。网站提供免费试用和多种订阅计划，满足不同用户需求。

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。

voicesmith - 实现个性化语音合成的强大工具

DelightfulTTSGithubUnivNetVoiceSmith多说话者模型开源项目文本转语音

VoiceSmith是一个允许用户训练和应用单语者及多语者模型的平台。该项目基于改良的DelightfulTTS和UnivNet模型，能在个人数据集上进行微调，带来高度自然的语音输出。VoiceSmith还包括数据预处理工具，如自动文本规范化功能，适合在Windows或Linux系统上使用，推荐配置NVIDIA GPU以优化训练效率。

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。

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