Talk是一个基于whisper.cpp和llama.cpp的项目,旨在实现与计算机的直接语音对话。它整合了先进的语音识别和生成技术,支持自然语言处理,能够实时响应用户的语音指令,并提供用户友好的界面,方便易用。
OpenAI的Whisper高质量语音识别模块C/C++移植版,支持在iOS和Android上运行,提供真人级别的识别效果,完全免费,具有开源、低内存和跨平台特性,适合资源受限环境。
Llama3-S是一个扩展文本基础的大型语言模型,具备原生的‘听力’能力。通过早期融合模型训练,Llama3-S实现了声音识别与文本理解的有效结合,适用于多种语言处理任务。
ChatTTS-Forge是一个基于ChatTTS模型的文本到语音生成项目,具备API服务器和基于Gradio的WebUI,能够提供全面的API服务以及支持超长文本的生成能力,用户可选择多种语音风格并管理说话人。
AI实时变声工具
Sider for iOS 2.0是一款强大的应用程序,允许用户在iPhone上与各种AI模型进行即时对话,获取见解、总结信息、与文件互动等,所有功能集中在一个平台上,极大地方便了用户的日常需求。
siliconflow提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型