Project Icon

vixtts-demo

专注越南语的开源文本转语音工具

viXTTS是一个开源的文本转语音工具,基于XTTS-v2.0.3模型,主要针对越南语进行优化。该工具使用viVoice数据集微调,支持高质量声音克隆。用户可通过Hugging Face在线体验或在本地Ubuntu/WSL2系统运行。虽然重点优化越南语,但也支持其他语言尝试。项目提供详细的安装和使用说明,便于研究者和开发者使用。

Voice-Cloning-App - 声音克隆技术应用:从自动合成到多语言支持
GithubPytorchVoice Cloning App人工智能开源项目数据集语音克隆
Voice-Cloning-App,一个基于Python/Pytorch的高效工具,使用户能在多个平台上进行人声合成和训练。特点包括支持多GPU使用、自动化数据集创建、多语言支持及系统的远程训练功能。即将支持更多语音合成技术和GPU型号,优化数据处理效率。
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。
DragonianVoice - 支持多种TTS、SVC和SVS技术的语音处理工具
DiffusionDragonianVoiceGithubOnnxSVCTTS开源项目
DragonianVoice提供TTS、SVC和SVS的Onnx框架推理库,支持C、Cpp及C#调用。项目与fish-speech联动,使用ggml框架重写。支持多种深度学习模型如Tacotron2、Vits和SoVitsSvc,并解决DmlEP推理错误。用户需遵守使用协议,确保合法合规使用开源项目。
ChatTTS.Site - 开源对话文本转语音系统ChatTTS使用指南
AI工具ChatTTS多语言支持对话系统开源项目语音合成
ChatTTS.Site为开发者提供ChatTTS开源文本转语音项目的综合指南。网站详细介绍了ChatTTS的核心功能,如逼真语音生成和中英双语支持,并提供本地部署、Colab运行和Hugging Face部署等多种使用教程。网站还包含常见问题解答,帮助用户深入理解ChatTTS技术。对于需要在对话场景中实现高质量语音合成的开发者和研究人员,这是一个实用的资源平台。
MSMC-TTS - 多阶段多码本神经网络文本转语音系统
GithubMSMC-TTSVQ-VAE多阶段多码本开源项目神经网络TTS语音合成
MSMC-TTS是一个高性能神经网络文本转语音系统,基于多阶段多码本VQ-VAE技术。该系统集成了MSMC-VQ-VAE和HifiGAN,通过MSMC-VQ-GAN自编码器优化,并采用多阶段预测器作为声学模型。MSMC-TTS在标准和低资源语言的语音合成中表现优异,能够生成紧凑的语音表示和高质量的语音输出。项目提供了详细的训练、测试和推理指南,并包含针对MSMC-VQ-GAN和多阶段预测器的优化建议。
phobert-base - 突破性的越南语预训练语言模型
GithubHuggingfacePhoBERTRoBERTa开源项目模型自然语言处理语言模型越南语
PhoBERT作为针对越南语开发的预训练语言模型,提供base和large两个版本。该模型基于RoBERTa框架,优化了BERT的预训练方法。在词性标注、依存句法分析、命名实体识别和自然语言推理等多个越南语NLP任务中,PhoBERT均实现了性能突破,超越了现有的单语言和多语言模型。这一创新为越南语自然语言处理的研究与应用奠定了坚实基础。
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。
XZVoice - 文字转语音软件,具备高度个性化设置及音乐背景功能
ElectronElementUIGithubvue开源项目文字转语音软件阿里云语音合成
XZVoice是一款基于Electron, Vue, ElementUI和JavaScript技术构建的高度可定制的文字转语音软件。采用阿里云语音合成技术,支持多种个性化设置如应用密钥和背景音乐,提升整体使用感受。最新发布的V2版集成了增强功能和多项优化,确保提供卓越且个性化的用户体验。
tts-vue - 基于Electron和Vue的高效微软语音合成工具
ElectronElementPlusGithubTTS-VueVue开源项目微软语音合成
TTS-Vue是一款基于Electron、Vue和ElementPlus的开源语音合成桌面应用,轻松部署与使用,专为个人学习和测试设计。严禁商业用途,违者自负法律责任。提供多个社群支持确保用户体验。
Verbatik - 多语言文本转语音与声音克隆服务
AI工具AI语音Verbatik多语言支持文本转语音语音定制
Verbatik为用户提供丰富的文本转语音服务,包括600多种真实语音和142种语言口音选择。平台能够快速将文字转换为自然流畅的语音,并支持MP3和WAV格式导出。用户可以调整语音的情感和语调,实现个性化输出。Verbatik适用于多个领域,如营销、教育、多媒体演示和客户服务自动化等。此外,平台还提供商业和广播使用权,以及无限次修改配音的功能,以确保最佳的音频效果。
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

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。

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