AI音频

FunASR是一款优秀的基础语音识别框架，配合阿里通义团队开发的其它语音识别模型，能够实现非常好语音转文字效果，尤其在中文语音识别方面，鉴于有些用户需要对语音识别内容区分说话人，我重新做了一版区分说话人的版本。软件支持多语言识别，但是还是尽...

Fun-ASR-Nano-2512是阿里通义实验室前天刚发布的最新最强的一款语音识别转文字模型，支持31种语言，延迟低，在某些专业领域表现出色。我基于FunAudioLLM/Fun-ASR-Nano-2512模型制作了最新实时语音识别转文字...

VibeVoice是微软开发的一款富有表现力的长篇多人对话语音合成工具。支持1-4个发音人，支持声音克隆自定义音色合成语音，我制作了最新的本地免安装一键启动整合包及云端在线版。 VibeVoice介绍 VibeVoice：一种前沿的长对话文...

higgs-audio是本月刚发布的一款非常强大的文字转语音工具，上线不到一个月就获得了5.9K个星，可以说是非常热门的项目了。这个软件可以实现文字转语音及声音克隆功能，不过可以实现这个功能的这类软件很多，higgs-audio只是说好一点...