MLX-Audio

argmax-oss-swift

AI GitHub 仓库

开源项目，旨在为 Apple Silicon 设备提供设备端语音 AI 功能。它允许开发者将语音识别功能直接集成到他们的应用程序中，增强用户交互，而无需依赖云服务。argmax-oss-swift 是一个开源项目，旨在为 Apple Silicon 设备提供设备端语音 AI 功能。它允许开发者将语音识别功能直接集成到他们的应用程序中，增强用户交互，而无需依赖云服务。

MeloTTS

AI GitHub 仓库

#96

由 MyShell.ai 开发的高质量多语言文本转语音库。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语，为寻求将 TTS 功能集成到其应用程序中的开发人员提供多样化的解决方案。MeloTTS 是由 MyShell.ai 开发的高质量多语言文本转语音库。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语，为寻求将 TTS 功能集成到其应用程序中的开发人员提供多样化的解决方案。

F5-TTS: 讲故事者语音合成

AI GitHub 仓库

语音合成工具，旨在使用流匹配技术生成流畅且忠实的语音。它为开发者提供官方代码，以创建高质量、自然听感的语音输出。F5-TTS 是一款语音合成工具，旨在使用流匹配技术生成流畅且忠实的语音。它为开发者提供官方代码，以创建高质量、自然听感的语音输出。

SpeechBrain

AI GitHub 仓库

基于 PyTorch 的开源语音处理工具包，支持语音识别、说话人验证和语言识别等多种应用，为研究人员和开发者提供了一个灵活且可扩展的平台。SpeechBrain 是一个基于 PyTorch 的开源语音处理工具包，支持语音识别、说话人验证和语言识别等多种应用，为研究人员和开发者提供了一个灵活且可扩展的平台。

Mozilla TTS

AI GitHub 仓库

基于深度学习的文本转语音系统。它提供将文本转换为自然声音的语音的工具和资源，支持多种语言和声音。非常适合 AI 和语音合成领域的开发者和研究人员。Mozilla TTS 是一个基于深度学习的文本转语音系统。它提供将文本转换为自然声音的语音的工具和资源，支持多种语言和声音。非常适合 AI 和语音合成领域的开发者和研究人员。

WeNet

AI GitHub 仓库

#166

开源的端到端语音识别工具包，专为生产环境设计。它提供强大而高效的语音识别能力，适用于各种需要准确语音转文本的应用。WeNet是一个开源的端到端语音识别工具包，专为生产环境设计。它提供强大而高效的语音识别能力，适用于各种需要准确语音转文本的应用。

WhisperLiveKit

AI GitHub 仓库

实时本地语音转文本工具，提供流式自动语音识别（ASR）、说话人分离和翻译功能。它支持与 OpenAI 和 Deepgram 兼容的 API，使其成为寻求强大语音处理解决方案的开发者的多功能工具。WhisperLiveKit 是一个实时本地语音转文本工具，提供流式自动语音识别（ASR）、说话人分离和翻译功能。它支持与 OpenAI 和 Deepgram 兼容的 API，使其成为寻求强大语音处理解决方案的开发者的多功能工具。

用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。ESPnet 是一个用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。