Crystal

跨平台多语言文字转语音合成引擎

Crystal TTS 多语言 SSML规范动态模块加载跨平台 Github 开源项目

Crystal TTS Engine通过C++开发，支持多语言合成，以SSML标准方便模块间交互。此外，该引擎支持动态模块加载及跨平台功能，适合开发需支援多语言环境的开发者。

pyttsx3 - 跨平台Python离线文本转语音库，支持多系统的TTS工具

GithubPython库pyttsx3开源项目文字转语音离线语音合成语音控制

pyttsx3是一款功能丰富的Python文本转语音库，支持离线运行。该库允许调整语音速率、音量，并选择系统内置语音。通过简洁的API，用户可轻松实现文本到语音的转换，还能将语音保存为音频文件。pyttsx3兼容Windows、Mac和Linux等多个平台，适用于各类语音应用开发。

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。

ChatTTS - 高效定制语音生成，支持速度与情感调节

ChatTTSGithubHuggingface学术用途开源开源项目文本到音频模型模型推理

ChatTTS项目提供文本到音频转换，通过调整语音速度、选择说话者和控制情感表达，支持个性化语音生成，适合学术研究和教育使用。

leopard - 本地运行的跨平台语音转文字引擎

GithubLeopardPicovoice开源项目离线处理语音转文字跨平台

Leopard是一款本地运行的语音转文字引擎，具有高精度、隐私保护和跨平台特性。该引擎支持多种编程语言和平台，包括iOS、Android和Web等。Leopard提供简单易用的API，便于集成到各类应用中，实现优质的语音识别功能。其紧凑高效的设计适用于多种设备，为开发者提供灵活强大的语音转文字解决方案。

SFML - 简单快速的跨平台多媒体开发库

C++GithubSFML多媒体库开源开源项目跨平台

SFML是一个跨平台的开源多媒体开发库，提供窗口、图形、音频和网络功能。它使用C++编写，支持C、.Net、Ruby、Python等多种语言。SFML适用于商业和个人项目，无使用限制。该库提供完善的文档和教程，并拥有活跃的社区，有助于开发者快速构建多媒体应用。

speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎

Github基准测试开源项目模型大小计算效率识别准确率语音转文本

该项目提供了一个开源的语音识别基准测试框架，对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集，评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现，为选择语音识别解决方案提供了参考依据。

superpowered - 多平台实时低延迟音频SDK及开发工具集

C++音频SDKGithubSuperpowered实时音频处理开源项目移动应用开发跨平台开发

这是一个开源项目，提供跨平台C++音频、网络和加密SDK。主要特点包括低功耗和实时低延迟处理，支持Android、iOS、macOS等多种系统。SDK功能涵盖音频播放、解码、效果器、流媒体等,适用于桌面、移动和嵌入式设备开发。项目还集成了网络通信和加密模块，为开发者提供全面的音频应用开发工具。

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。

crow-translate - 多功能轻量级翻译软件支持多种翻译API

Crow TranslateGithub开源项目翻译软件语音转换跨平台

Crow Translate是一款跨平台翻译工具,集成了多种在线翻译API。软件具有文本翻译、语音朗读、OCR识别等功能,同时提供命令行和D-Bus接口。它支持125种语言,运行占用内存小,适用于Linux和Windows系统。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com