搜索结果：speech（44 个）
按分类缩小范围
Handy
综合 62
免费、开源且可扩展的语音转文字应用，支持完全离线运行。
whisperX
综合 61
具备词级时间戳和说话人日志（Diarization）功能的自动语音识别工具。
giscus
综合 61
由 GitHub Discussions 驱动的开源评论系统。
WhisperLiveKit
综合 61
本地实时流式语音转文字工具，支持说话人分离、翻译及兼容 OpenAI 的 API。
edge-tts
综合 60
无需安装 Microsoft Edge，即可在 Python 中直接使用其在线文本转语音（TTS）服务。
openwhispr
综合 59
跨平台语音转文字应用，支持本地模型（Whisper 等）与云端模型，注重隐私保护。
dia
综合 56
支持一次性生成超逼真对话的 TTS（文本转语音）模型。
index-tts
综合 55
工业级、可控且高效的零样本（Zero-Shot）文本转语音（TTS）系统。
F5-TTS
综合 55
基于 Flow Matching 技术的端到端高质量语音合成模型 F5-TTS 官方代码仓库。
MockingBird
综合 54
仅需 5 秒即可克隆声音，并实时生成任意语音的开源工具。
Wav2Lip
综合 54
ACM MM 2020 论文 Wav2Lip 官方源码，实现真实场景下的语音到唇形同步生成。
whisper （通用语音识别模型）
综合 50
基于大规模弱监督训练的高鲁棒性通用语音识别模型。
Real-Time-Voice-Cloning
综合 49
仅需 5 秒即可克隆声音，并实时生成任意语音。
moonshine
综合 48
超低延迟的语音转文字、意图识别与语音合成库，用于构建语音交互 Agent。
voice-pro
综合 47
面向创作者的 Gradio WebUI，集成主流 TTS、零样本声音克隆与人声分离等功能。
espeak-ng
综合 47
开源语音合成器，支持超过 100 种语言和口音。
VoxCPM
综合 47
无需 Tokenizer 的多语言 TTS 语音合成模型，支持高保真声音克隆与设计。
fish-speech
综合 47
达到 SOTA 业界顶尖水平的开源 TTS（语音合成）系统。
moshi
综合 45
语音-文本基座模型与全双工口语对话框架，采用前沿的流式神经音频编解码器 Mimi。
sherpa-onnx
综合 43
基于新一代 Kaldi 与 ONNX Runtime 的离线语音工具包，支持语音识别、TTS、声纹与降噪等多端部署。