make-a-smart-speaker

制作智能扬声器的资源集合

本文提供如何从头开始制作智能音箱的详细指南和优质资源。文章覆盖音频处理、关键词检测、语言理解至文本转语音的全面步骤，介绍开源项目如Mycroft、Snips以及Amazon Alexa和Google Assistant等硬件SDK。提供硬件套件链接，帮助开发者和技术爱好者构建并优化智能音箱项目。

访问官网

Github

文档

介绍相关项目

llms-from-scratch-cn - 动手构建大语言模型的完整教程

DatawhaleGithubLLMs From Scratch人工智能大语言模型开源项目深度学习

本教程提供系统化的学习路径，涵盖基础理论、实际编码、数据处理、注意力机制、预训练和微调，帮助开发者掌握ChatGPT等大型语言模型的核心技术，适合具备一定编程基础的技术人员。

WhisperSpeech - 多语言支持的开源文本转语音系统，功能强大并易于定制

GithubWhisperSpeech多语言支持开源模型开源项目文本转语音语音克隆

WhisperSpeech是基于开源Whisper框架开发的文本至语音系统，提供了商业级安全的语音合成解决方案。当前支持英语LibreLight数据集，并计划拓展到多语言支持。用户可通过在线Colab平台体验其高效的语音合成和声音克隆功能。

GigaSpeech - 多领域英语语音识别数据集提供10,000小时转录音频

GigaSpeechGithub开源项目数据集深度学习语音识别音频处理

GigaSpeech是一个开源的多领域英语语音识别数据集，包含33,000多小时音频数据，其中10,000小时有高质量人工转录。数据来源包括有声书、播客和YouTube等，并提供多个规模的训练和评估子集。项目提供多种语音识别工具包的数据准备脚本，由志愿者维护并欢迎社区贡献，旨在促进语音技术的研究和应用。

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。

Talkify - 多语言支持的高品质文字转语音库

API密钥GithubTalkify多语言支持开源项目文本转语音高品质声音

Talkify为多语言环境提供高品质的文字转语音服务。该库支持范围广泛的语言，包括中文和英文，便于开发者通过几个简单步骤集成至任何网站。具有全面的API支持和控制界面，每月初次1000次请求免费。立即注册以体验先进的语音合成服务。

Deepgram - 智能文本转语音技术的领先平台

AI工具AI语音生成Deepgram人工智能文本转语音语音合成

Deepgram是一款先进的AI语音生成工具，通过人工智能技术将文本转换为自然、高质量的语音。平台提供丰富的声音库，涵盖不同性别、年龄和口音，适用于内容创作、营销、教育和开发等领域。其特点包括低延迟、高度逼真和可定制性，能满足电子学习、广告、有声读物和播客等多种应用需求。Deepgram不仅提高内容可访问性，还为用户提供快速、便捷的语音生成解决方案。

Awesome-AITools - 集合人工智能相关工具的超级资源库

AI生成音乐ChatGPTGithub开源LLMs开源项目文本到视频语音识别

Awesome-AITools是一个收集了各类人工智能相关工具的综合资源平台，覆盖编程开发、图像创作、语音识别等多种应用。用户可以快速找到适应不同场景的AI工具，从开发和研究到日常使用，都能获得强大支持。特色包括开源共享、资源丰富、持续更新及社区支持。

Speaking AI - 创新情感文本转语音与零样本声音克隆技术

AI工具AI语音Speaking.ai情感合成文字转语音语音克隆

Speaking AI是先进的AI语音合成平台，提供创新文本转语音和声音复制技术。平台能生成自然情感的语音，实现零样本声音克隆，用户可在10秒内完成个人声音的录制和克隆。致力于负责任开发生成式语音AI，Speaking AI还建立了活跃的用户社区，共同推动AI技术发展，为人类带来更多益处。

讯飞智作 - 一站式智能AI配音与虚拟人制作平台

AI工具AI技术AI虚拟人AI音频数字人定制服务热门虚拟人生态讯飞智作音频生成

讯飞智作，科大讯飞旗下的AI配音及虚拟人制作服务平台，提供多功能的语音合成与虚拟人形象构建，支持多语种与多情感输出，满足广告、教育等多行业定制需求。

piper - 针对树莓派4优化的高效本地文本转语音系统

GithubPiperRaspberry Pionnx模型多语言支持开源项目语音合成

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。

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