跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

Decibri

AI 应用AI 智能体构建工具音频、语音与音乐#45免费 · Windows, macOS, Linux, Browser

Decibri 是一个为 AI 代理和语音 AI 应用程序提供统一音频层的工具,提供实时麦克风捕获、扬声器输出和语音活动检测。它支持 Python、Node.js 和 Rust 的跨平台,提供预构建的二进制文件以便于安装。Decibri 专为实时系统设计,简化了语音应用程序的音频基础设施,使其能够与各种语音和音频处理引擎无缝集成。

访问URL
分享
Decibri 截图
Decibri 截图

Decibri 作为一个统一音频层,专门为 AI 代理和语音 AI 应用程序设计。它提供基本的实时音频功能,包括麦克风捕获、扬声器输出和语音活动检测(VAD)。该平台支持多种编程语言,即 Python、Node.js 和 Rust,使其在各种开发环境中具有灵活性。

阅读更多

Decibri 的一个主要优势是其易于安装和跨平台兼容性。它为所有支持的平台(Windows、macOS、Linux)提供 Python 和 Node.js 的预构建二进制文件,消除了编译或复杂构建工具的需求。这种“零设置”方法确保开发人员可以快速将实时音频功能集成到他们的项目中。Rust 核心为 Python、Node.js 和 Rust 包提供支持,编译为本地代码,确保直接从操作系统的音频层提供可预测的低延迟音频。

Decibri 直接从操作系统音频层捕获音频,默认提供 100 毫秒音频块,采用 16 位有符号整数 PCM 格式,这是大多数语音和唤醒词引擎(如 Vosk、sherpa-onnx 和 whisper.cpp)所期望的标准格式。同时也提供 32 位浮点格式。它支持每种语言的流原生习惯,允许开发人员高效地将音频传输到文件、WebSockets 或语音代理。该平台还包括捆绑的 Silero VAD v6.2 模型,用于在嘈杂环境中准确检测语音,能够通过 ONNX Runtime 本地运行,无需云 API。

除了基本的捕获和播放功能外,Decibri 还通过其音频捕获引擎(ACE)提供高级音频处理功能,包括直流去除、去噪、高通滤波、自动增益控制和限制。它还提供声学回声消除(AEC),以去除扬声器声音对麦克风捕获的影响。对于离线处理,音频文件处理器(AFP)允许对录制或内存中的样本进行调节。Decibri 与众多语音转文本(STT)提供商集成,包括云端(AssemblyAI、AWS Transcribe、Azure AI Speech、Deepgram、Google Cloud Speech-to-Text、Mistral Voxtral、OpenAI Realtime API)和本地(Sherpa-ONNX、Whisper.cpp),以及本地文本转语音(TTS)与 Kokoro 模型和关键词检测(KWS)与 Sherpa-ONNX。

Decibri 专为实时系统构建,确保低延迟音频 I/O,无需外部音频工具或平台特定处理。它支持 Python 中的异步操作,使用 `asyncio`,并且可以在 Node.js 和浏览器环境中从单个包中工作。`decibri-cli` 工具提供音频捕获、播放和设备枚举的命令行功能,进一步扩展了其在脚本和 CI/CD 管道中的实用性。

  • 类别AI 智能体构建工具
  • 定价模式免费
  • 部署本地
  • 平台Windows, macOS, Linux, Browser

  • 实时麦克风捕获

  • 扬声器输出和播放

  • 语音活动检测(VAD)

  • 跨平台支持(Python、Node.js、Rust)

  • 零设置的预构建二进制文件

  • 直接访问操作系统音频层

  • 16 位 PCM 和 32 位浮点音频输出

  • 异步 API 支持(Python 的 asyncio)

  • 浏览器兼容性(Node.js 包)

  • 音频捕获引擎(直流去除、去噪、AGC)

  • 声学回声消除(AEC)

  • 本地机器学习语音检测(Silero VAD)

  • 与云 STT 服务的集成

  • 与本地 STT/TTS/KWS 模型的集成

  • 命令行接口(decibri-cli)

  1. 安装 Decibri:使用 `pip install decibri` 安装 Python 版本或 `npm install decibri` 安装 Node.js 版本以获取预构建的二进制文件。

  2. 打开麦克风:在 Python 中使用 `decibri.Microphone.open()` 或在 Node.js 中使用 `new Microphone()` 开始捕获音频。

  3. 流式音频:使用 Python 迭代器、Node.js 可读流或 Rust 通道读取音频块。

  4. 处理音频:应用内置的调节功能,如直流去除、去噪或声学回声消除。

  5. 检测语音:启用捆绑的 Silero VAD 模型进行本地语音活动检测。

  6. 与 AI 服务集成:将原始 PCM 音频传输到语音转文本服务、语音代理或其他 AI 模型。

  7. 播放音频:使用 Decibri 的扬声器 API 通过系统扬声器播放音频。

  8. 录制到文件:使用 `record_to_file()` 进行简单音频录制或对高级用例进行完整流控制。

  • 实时语音 AI 代理
  • 语音转文本集成
  • 语音活动检测
  • ASR 的音频录制
  • 跨平台音频应用
  • 服务器端语音后端
  • 关键词检测
  • 全双工音频通信

Decibri 评价

加载中...

与 Decibri 类似的热门AI工具

Deepgram 语音代理 API 使得使用先进的语音转文本和文本转语音技术创建实时语音 AI 代理成为可能。它提供无缝的编排以实现自然对话,非常适合寻求响应式客户互动的企业。

AI 语音助手
查看工具

Deepgram 语音代理 API 使得使用先进的语音转文本和文本转语音技术创建实时语音 AI 代理成为可能。它提供无缝的编排以实现自然对话,非常适合寻求响应式客户互动的企业。

AI 语音助手
查看 AI 应用 Top 250

Open Voice OS

AI 应用

Open Voice OS 是一个社区驱动的开源语音 AI 平台,用于构建自定义语音控制界面。它提供自然语言处理 (NLP)、可定制的用户界面 (UI),并优先考虑隐私和安全,是 DIY 智能音箱和嵌入式设备的理想选择。

AI 语音助手

AI 语音助手 排名第 89 位

查看工具

AI 应用

社区驱动的开源语音 AI 平台,用于构建自定义语音控制界面。它提供自然语言处理 (NLP)、可定制的用户界面 (UI),并优先考虑隐私和安全,是 DIY 智能音箱和嵌入式设备的理想选择。Open Voice OS 是一个社区驱动的开源语音 AI 平台,用于构建自定义语音控制界面。它提供自然语言处理 (NLP)、可定制的用户界面 (UI),并优先考虑隐私和安全,是 DIY 智能音箱和嵌入式设备的理想选择。

AI 语音助手
AI 语音助手 排名第 89 位

Voice.ai

AI 应用

Voice.ai 是一个实时 AI 语音转换器和语音平台,提供超过 50 个应用程序的实时语音转换、免费的语音克隆、文本转语音、语音代理以及开发者 API 和 SDK。

AI 音频编辑器游戏与电竞

AI 应用 排名第 239 位

查看工具

AI 应用

实时 AI 语音转换器和语音平台,提供超过 50 个应用程序的实时语音转换、免费的语音克隆、文本转语音、语音代理以及开发者 API 和 SDK。Voice.ai 是一个实时 AI 语音转换器和语音平台,提供超过 50 个应用程序的实时语音转换、免费的语音克隆、文本转语音、语音代理以及开发者 API 和 SDK。

AI 音频编辑器游戏与电竞
AI 应用 排名第 239 位

Aethex

AI 应用

AethexAI 提供针对新兴市场的端到端语音代理。凭借专有模型和本地化解决方案,它使企业能够高效部署语音技术,确保与现有系统的无缝沟通和集成。

AI 语音助手金融与银行

AI 语音助手 排名第 167 位

查看工具

AI 应用

AethexAI 提供针对新兴市场的端到端语音代理。凭借专有模型和本地化解决方案,它使企业能够高效部署语音技术,确保与现有系统的无缝沟通和集成。

AI 语音助手金融与银行
AI 语音助手 排名第 167 位

Resum

AI 应用

Resum 提供一个企业级 API 和 SDK,旨在将实时对话与指定的 AI 代理连接起来。它从各种来源捕获音频,生成实时转录,并在会话结束时为每个 AI 代理生成单独的文件。该解决方案专为需要高级对话 AI 集成和详细会后分析的企业量身定制。

AI 语音助手
查看工具

AI 应用

提供一个企业级 API 和 SDK,旨在将实时对话与指定的 AI 代理连接起来。它从各种来源捕获音频,生成实时转录,并在会话结束时为每个 AI 代理生成单独的文件。该解决方案专为需要高级对话 AI 集成和详细会后分析的企业量身定制。Resum 提供一个企业级 API 和 SDK,旨在将实时对话与指定的 AI 代理连接起来。它从各种来源捕获音频,生成实时转录,并在会话结束时为每个 AI 代理生成单独的文件。该解决方案专为需要高级对话 AI 集成和详细会后分析的企业量身定制。

AI 语音助手
查看 AI 应用 Top 250

VideoSDK

AI 应用

一个开发者平台,提供实时语音、视频和AI代理的API和SDK,让团队能够将音频/视频通话、直播和AI语音代理嵌入到网页和移动应用中。

AI DevOps 与云工具
查看工具

AI 应用

一个开发者平台,提供实时语音、视频和AI代理的API和SDK,让团队能够将音频/视频通话、直播和AI语音代理嵌入到网页和移动应用中。

AI DevOps 与云工具
查看 AI 应用 Top 250

Moonshine 提供极低延迟的语音转文本、意图识别和文本转语音功能,使得创建高效的语音代理和接口成为可能。非常适合希望将语音功能集成到其应用程序中的开发者。

AI 语音助手
查看工具

提供极低延迟的语音转文本、意图识别和文本转语音功能,使得创建高效的语音代理和接口成为可能。非常适合希望将语音功能集成到其应用程序中的开发者。Moonshine 提供极低延迟的语音转文本、意图识别和文本转语音功能,使得创建高效的语音代理和接口成为可能。非常适合希望将语音功能集成到其应用程序中的开发者。

AI 语音助手
查看 AI GitHub 仓库 Top 250

iSpeech 提供强大的文本转语音 API 和语音识别 SDK,使得在 30 多种语言中实现自然音质的语音合成和语音识别成为可能。非常适合希望为应用程序提供语音功能的开发者和企业。

文字转语音
查看工具

提供强大的文本转语音 API 和语音识别 SDK,使得在 30 多种语言中实现自然音质的语音合成和语音识别成为可能。非常适合希望为应用程序提供语音功能的开发者和企业。iSpeech 提供强大的文本转语音 API 和语音识别 SDK,使得在 30 多种语言中实现自然音质的语音合成和语音识别成为可能。非常适合希望为应用程序提供语音功能的开发者和企业。

文字转语音
查看 AI 应用 Top 250
1/8