开源视频翻译工具,集成语音识别、字幕翻译、AI 配音与音视频合成。
1.9万2409PythonGPL-3.0更新于 5天前
Moonshine Voice 是一个开源 AI 工具包,用于构建实时语音智能体和语音应用。它完全在设备端运行,无需账号或 API 密钥,音频数据保留在本地。
语音转文字模型从零训练,模型规模从约 1MB 的小型模型(适合资源受限设备)到追求更高精度的较大模型不等。库针对实时流式场景设计,在用户说话过程中提前处理,以降低响应延迟。同一套 API 覆盖 Python、JavaScript/WASM、iOS、Android、macOS、Linux、Windows 和树莓派。
项目还包含意图识别和文字转语音功能。默认模型采用 MIT 许可证,少数旧版非英语非流式模型除外,这些模型使用非商业许可。
安装 Python 包
pip install moonshine-voice以英语运行麦克风实时转写
moonshine-voice mic --language en其他平台请按照快速入门指南操作
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
开源视频翻译工具,集成语音识别、字幕翻译、AI 配音与音视频合成。
开源 Python 框架,用于构建实时语音和多模态 AI 智能体,可插拔接入语音、大模型与传输服务。
微软开源的语音 AI 模型系列,包含长音频语音识别、多人对话语音合成和实时流式语音合成。
英伟达开源的语音AI工具包,用于构建、微调和部署语音识别、语音合成及语音大模型。
基于 onnxruntime 的离线语音工具包,支持语音识别、语音合成、VAD、说话人分离等,覆盖多平台与多种编程语言。
Soprano 是一个超轻量、可在本地运行的文本转语音模型,支持流式输出。