搜索结果：speech（44 个）
按分类缩小范围
hex
商机 63
支持 Mac、Windows 和 Linux 的本地语音听写转文字工具。
自托管的抖音、TikTok、B 站数据采集与去水印下载 API，支持 MCP 调用、离线转文字及 Docker 部署。
FunASR
商机 81
支持训练、推理、流式 ASR、VAD、标点恢复及 OpenAI/MCP 兼容服务的开源语音识别工具包。
leon
商机 81
一款开源的个人智能助理。
speech-to-speech
商机 77
基于开源模型构建语音智能体（Voice Agent）的开发库。
datasets
商机 77
汇聚海量 AI 模型开箱即用数据集的枢纽，并提供快速、易用且高效的数据处理工具。
meetily
商机 73
面向 Windows 和 macOS 的本地 AI 会议记录工具。基于本地 Whisper/Parakeet 转录并识别人声，Granola 开源替代品。
WhisperLiveKit
商机 73
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。
Speech
商机 73
NVIDIA 的生成式 AI 框架，专为大语言模型、多模态及语音 AI（ASR 与 TTS）研究与开发打造。
openwhispr
商机 72
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。
VidBee
商机 71
支持从千余站点下载音视频，本地转写并标注说话人，结合 AI 实现总结、翻译及对话。
CosyVoice
商机 71
多语言大规模语音生成模型，提供涵盖推理、训练和部署的全栈能力。
speechbrain
商机 71
基于 PyTorch 的开源全能语音处理工具包。
ChatTTS
商机 70
专注于日常对话场景的生成式文本转语音（TTS）模型。
faster-whisper
商机 68
基于 CTranslate2 的高速 Whisper 转录工具。
pyvideotrans
商机 67
将视频从一种语言翻译为另一种语言，并自动生成配音与字幕。
PaddleSpeech
商机 67
易用的语音工具包，包含 ASR、流式 TTS、声纹识别及端到端语音翻译等。
lotti
商机 66
自带个人 AI 助手的私密日志应用，支持设备间端到端加密同步。
F5-TTS
商机 65
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。
silero-vad
商机 65
Silero VAD：预训练的企业级语音活动检测器（Voice Activity Detector）