语音合成 / 识别
共 177 个AI 用户与开发者推荐的语音合成 / 识别。
Parakeet ASR
huggingface.coNVIDIA 开源的高效语音识别模型系列,含 CTC 与 RNN-Transducer 变体,支持流式与多语言。
开源全本地 ElevenLabs 替代品,支持语音克隆、配音、听写、转录与有声书,覆盖 646 种语言。
基于 Gradio + React 的本地语音与音频生成 WebUI,通过扩展集成数十种 TTS、音乐与音频模型。
开源免费的语音转文字听写工具,支持本地 Whisper/Parakeet 模型与云端 BYOK,跨平台且隐私优先。
NVIDIA ACE for Games
developer.nvidia.com英伟达面向游戏开发者的AI数字人技术套件,提供语音、智能与动画模型,支持云端与本地推理。
开源 Gradio 语音工作台,集成 Whisper 识别、零样本声音克隆、多语言 TTS 与翻译,可处理 YouTube 音频。
开源端侧实时语音工具包,低延迟语音转文字、意图识别与语音合成,无需联网和密钥
本地实时语音转文字工具,支持流式识别、说话人分离、翻译,兼容 OpenAI/Deepgram API。
Nari Labs 开源的 1.6B 参数 TTS 模型,一次生成超真实对话,支持情感、语气与非语言音效控制。
腾讯混元开源的 1.5B 语音生成与编辑基础模型,支持零样本 TTS、语音编辑与增强。
基于 CTranslate2 的 Whisper 命令行客户端,兼容 OpenAI 原版 CLI,速度最高提升 4 倍且更省内存。
5 秒克隆声音并实时生成任意语音的开源语音克隆项目,支持中文与多平台。
ElevenLabs Dubbing
elevenlabs.ioElevenLabs 的 AI 配音工具,保留原声情感与音色,一键翻译配音到 90 多种语言。
工业级开源数字人框架,支持实时对话、私有部署与可插拔模型,集成 LLM、TTS、WebRTC 全链路。
SpeechifyAI
speechify.ai面向开发者的语音合成 API,提供 Simba 模型与声音克隆,支持 48 种语言和流式低延迟。