该数据集为SVC/SVS/TTS任务提供高质量的《原神》角色语音数据，支持多种语音风格和角色，包含详细的音频标注和文本转录，适合语音合成、转换及相关研究。

这是一个专为边缘设备设计的Transformer模型推理库，旨在实现低成本、低能耗的处理。它能够以30倍的实时速度运行tiny.en Whisper模型进行语音转录，相较于最知名的实现速度快2倍，非常适合在资源受限的环境中使用。

一个一键整合包，上传一段视频即可让图片唱歌说话，甚至可以驱动动物表情！

Whisper Turbo是一个跨平台的GPU加速版Whisper，能够在客户端浏览器或Electron应用里运行，提供高效的语音识别功能，便于开发者集成，支持多种音频格式的识别和实时语音处理。

ebook2audiobookXTTS是一款功能强大的电子书转有声书工具，能够自动分章节并保留电子书的元数据，支持多种语言的转换和声音克隆功能，为用户提供灵活便捷的有声书制作体验。

将OpenAI的实时对话控制台移植到Streamlit，提供更直观的交互体验，支持音频流的发送和播放，旨在提升用户的对话体验和互动性。

Wenet STT Python是一个基于WeNet的语音识别库，旨在提供高效、准确的语音转文本功能。它支持多种语言，能够实时处理语音输入，并允许用户自定义模型以满足特定需求，易于与现有Python项目集成。

WhisperPlus 是一款先进的语音转文本处理工具，致力于提供高准确率的语音识别，支持多种语言，并具备实时转录功能。它能够处理不同音质的音频，并提供用户友好的API接口，方便开发者进行集成和使用。

聊天文本转语音工具，让语音合成更快速、支持声音克隆和移动部署，提升语音交互体验

智谱AI语音对话模型：一款能直接理解和生成中英文语音的智能对话系统，支持实时对话并根据指令改变语音属性，让机器交流更自然

RIFT-SVC是一款基于Rectified Flow Transformer的歌声转换模型，能够将一个歌手的歌声转换成另一个歌手的风格，让音乐创作和演绎更加多样化和个性化。该模型采用先进的技术，确保高质量的转换效果，并支持多种歌手风格的实现，便于用户集成和使用。

基于Whisper语音识别模型的超快音频转文字命令行工具，用Whisper Large v2在10分钟内转录300分钟音频。该工具优化了转录速度，支持多种音频格式，并具有高准确率的语音识别，适合批量处理大型音频文件。

一个基于深度学习的中文语音合成项目，通过采集分析一段具体的声音样本，可在 5 秒内生成与之类似的克隆语音。

阿里巴巴云计算推出的大型音频语言模型，能够接受各种音频信号输入，并根据语音指令进行音频分析或直接生成文本回复，为对话系统和音频处理任务提供强大支持。

来自香港科技大学的音乐创作项目，能够只通过文本的方式理解和创作音乐，无需依赖于任何专门的多模式处理或复杂的编码系统。

该项目展示了如何使用Transformers.js在浏览器中进行AI推理，特别是图像背景去除和语音识别，支持WebGPU加速，保证数据隐私，适合需要实时处理的应用。

NotebookLlama 是 Meta 发布的开源项目，专注于将 PDF 文档转换为播客音频的工作流程。它提供了详细的教程和工具链，支持从 PDF 提取文本、改写为播客脚本、增强脚本表现力，并最终生成自然对话风格的播客音频。

Luna AI 是一个全自动的 AI 直播系统，由多种 AI 模型驱动的虚拟主播，能够实时与观众互动并聊天。它支持多种直播平台，能够生成自然语言的回答并进行语音交流。

Whisper是一个基于whisper.cpp的Windows应用，旨在方便普通用户进行语音转文字转换，具有高效、无依赖的特点，能够满足日常使用需求。

VITA是一个接近GPT-4o级别的开源实时视觉语音交互模型，能够理解图片和视频内容，并用语音回答用户的问题。

Grad-SVC是一个基于Grad-TTS的歌唱声音转换项目，采用HUAWEI Noah's Ark Lab的技术，核心算法为扩散，旨在提供高质量的歌唱声音转换，支持多种风格和情感的声音转换，具有用户友好的界面和详细的文档支持。

Distil-Whisper是一个令人印象深刻的AI模型，相较于Whisper，它提供了更快的推理速度和更小的模型体积，速度提高了6倍，体积减少了49%，在分布外评估集上表现也具有竞争力。

Bilibot是一个基于B站用户评论微调训练的本地聊天机器人，支持文字聊天和通过questions.txt生成针对特定问题的语音对话，旨在提供更加自然的互动体验。

与大型语言模型进行自然语音对话的开源工具，支持多种语音识别、语音合成和语言模型，提供易用且可扩展的API，目标成为闭源商业实现的开源替代方案

EasyBertVits2是一个简化了Bert-VITS2模型使用的工具，可以从文章生成富有情感的语音，提供高质量的语音合成，便于开发者和用户使用。

音源分离训练推理WebUI：一个集成了音源分离训练框架和UVR（终极人声消除器）的Web界面，让你能自定义处理流程，轻松安装模型并进行音乐源分离

ProtoReplicant是一个在浏览器中实现的AI 3D化身语音接口，集成了语音活动检测、语音转文本、大语言模型、文本转语音和虚拟角色模型等技术，旨在提供一种互动性强的用户体验。

AudioCraft是一个基于深度学习的音频处理与生成库，旨在提供先进的音频压缩、生成和实验功能。

这是一个能够将一种歌声转换为另一种歌声的模型，支持任意源歌声到任意目标歌声的转换，基于神经网络实现高效的声线合成，并能处理多种音频格式，提供用户友好的接口和文档。

Buzz是一款基于OpenAI Whisper的开源、可离线的实时语音转文字工具，提供翻译和转录两个任务，可以将麦克风的语音实时转换为文字，也支持将视频、音频文件转换为文字、字幕，同时Buzz自带GUI界面，使用操作简单。