✨ 碎片收藏 / 资讯文档 / 网站工具 / GitHub 项目 / Bing 壁纸
Qwen3-TTS #TTS #Voice #AI
🧵 Thread • FxTwitter
Qwen (@Alibaba_Qwen)
Qwen3-TTS is officially live. We’ve open-sourced the full family—VoiceDesign, CustomVoice, and Base—bringing high quality to the open community.
- 5 models (0.6B & 1.8B)
- Free-form voice design & cloning
- Support for 10 languages
- SOTA 12Hz tokenizer…
- 5 models (0.6B & 1.8B)
- Free-form voice design & cloning
- Support for 10 languages
- SOTA 12Hz tokenizer…
Hertziness 是一款纯前端的声音性别分析工具，通过浏览器本地运行机器学习模型，实时分析声音的性别特征。
https://voice.hertz.page/
https://github.com/hertzyang/hertziness
#AI #Voice #Tool
https://voice.hertz.page/
https://github.com/hertzyang/hertziness
#AI #Voice #Tool
LocalVocal - 开源 OBS 插件，本地实时语音识别 / 转录 / 翻译
https://github.com/royshil/obs-localvocal
LocalVocal 是一个开源的 OBS 插件，支持本地实时语音识别、转录和翻译功能。
基于 OpenAI 的 Whisper 模型，无需联网、无需 API。所有处理都在本地完成，保证隐私。
● 实时语音转文本转录（支持 100+ 语言）
● 实时字幕翻译（支持主流语言及多个云服务商）
● 屏幕字幕显示、文件保存（.txt/.srt 格式）
● RTMP 流字幕投送（YouTube、Twitch 等）
● 自定义 GGML Whisper 模型支持
● 字幕过滤和替换功能
● 流式字幕体验（部分转录）
● 多硬件平台优化支持（NVIDIA CUDA、AMD ROCm、Apple Metal 等）
#Video #Voice #AI #Tool #GitHub
https://github.com/royshil/obs-localvocal
LocalVocal 是一个开源的 OBS 插件，支持本地实时语音识别、转录和翻译功能。
基于 OpenAI 的 Whisper 模型，无需联网、无需 API。所有处理都在本地完成，保证隐私。
● 实时语音转文本转录（支持 100+ 语言）
● 实时字幕翻译（支持主流语言及多个云服务商）
● 屏幕字幕显示、文件保存（.txt/.srt 格式）
● RTMP 流字幕投送（YouTube、Twitch 等）
● 自定义 GGML Whisper 模型支持
● 字幕过滤和替换功能
● 流式字幕体验（部分转录）
● 多硬件平台优化支持（NVIDIA CUDA、AMD ROCm、Apple Metal 等）
#Video #Voice #AI #Tool #GitHub
GitHub
GitHub - royshil/obs-localvocal: OBS plugin for local speech recognition and captioning using AI
OBS plugin for local speech recognition and captioning using AI - royshil/obs-localvocal
Vibe Voice - 微软开源 AI 语音框架
https://github.com/microsoft/VibeVoice
VibeVoice 是微软开源的 AI 语音框架，用于从文本生成富有表现力的长篇多说话人对话音频（如播客），通过 LLM 理解文本上下文和对话流，生成高保真音频。
● 长篇多说话人模型：支持最长 90 分钟音频、最多 4 个不同说话人的对话式语音合成
● 实时流式 TTS 模型：初始音频延迟约 300 毫秒，支持流式文本输入的实时语音生成
● 超低帧率语音分词器：以 7.5Hz 帧率的连续语音分词器保持音频保真度同时提升计算效率
● 多语言支持：支持英文、中文以及实验性支持 9 种语言（德、法、意、日、韩、荷、波、葡、西班牙语）
● 风格化语音：提供 11 种不同的英文风格语音供用户选择
#TTS #Voice #AI #GitHub
https://github.com/microsoft/VibeVoice
VibeVoice 是微软开源的 AI 语音框架，用于从文本生成富有表现力的长篇多说话人对话音频（如播客），通过 LLM 理解文本上下文和对话流，生成高保真音频。
● 长篇多说话人模型：支持最长 90 分钟音频、最多 4 个不同说话人的对话式语音合成
● 实时流式 TTS 模型：初始音频延迟约 300 毫秒，支持流式文本输入的实时语音生成
● 超低帧率语音分词器：以 7.5Hz 帧率的连续语音分词器保持音频保真度同时提升计算效率
● 多语言支持：支持英文、中文以及实验性支持 9 种语言（德、法、意、日、韩、荷、波、葡、西班牙语）
● 风格化语音：提供 11 种不同的英文风格语音供用户选择
#TTS #Voice #AI #GitHub
GitHub
GitHub - microsoft/VibeVoice: Open-Source Frontier Voice AI
Open-Source Frontier Voice AI. Contribute to microsoft/VibeVoice development by creating an account on GitHub.
FluidVoice - macOS 实时语音转文字工具
https://github.com/altic-dev/FluidVoice
FluidVoice 是一个 macOS 实时语音转文本应用，提供实时转录、AI 增强和多种语音识别模型支持。
项目默认使用本地 ASR 模型（如 Parakeet TDT），无需联网即可高效运行，保证隐私安全，同时还支持接入 OpenAI、Groq 或本地大模型以提升识别质量和文本润色效果
● 实时转录预览：在屏幕顶部居中进行实时转录预览
● 多种语音模型：支持 Parakeet TDT v3/v2、Apple Speech 和 Whisper
● 低延迟转录：极低的实时转录延迟
● AI 增强：支持 OpenAI、Groq 和自定义 AI 提供商
● 全局快捷键：即时语音捕获
● 命令模式：通过语音执行 Mac 操作
● 写入模式：在任何应用的文本框中进行智能输入
● 菜单栏集成：快速访问功能
● 自动更新：无缝重启更新
#Voice #AI #Tool #GitHub
https://github.com/altic-dev/FluidVoice
FluidVoice 是一个 macOS 实时语音转文本应用，提供实时转录、AI 增强和多种语音识别模型支持。
项目默认使用本地 ASR 模型（如 Parakeet TDT），无需联网即可高效运行，保证隐私安全，同时还支持接入 OpenAI、Groq 或本地大模型以提升识别质量和文本润色效果
● 实时转录预览：在屏幕顶部居中进行实时转录预览
● 多种语音模型：支持 Parakeet TDT v3/v2、Apple Speech 和 Whisper
● 低延迟转录：极低的实时转录延迟
● AI 增强：支持 OpenAI、Groq 和自定义 AI 提供商
● 全局快捷键：即时语音捕获
● 命令模式：通过语音执行 Mac 操作
● 写入模式：在任何应用的文本框中进行智能输入
● 菜单栏集成：快速访问功能
● 自动更新：无缝重启更新
#Voice #AI #Tool #GitHub
GitHub
GitHub - altic-dev/FluidVoice: FluidVoice - Fastest macOS Offline Dictation app - Voice to Text fully Local. One ⭐ takes us a long…
FluidVoice - Fastest macOS Offline Dictation app - Voice to Text fully Local. One ⭐ takes us a long way :)) - GitHub - altic-dev/FluidVoice: FluidVoice - Fastest macOS Offline Dictation app - Voic...
🎬 NAS-Subtitle-Manager - 自动化视频字幕提取与翻译的 NAS 管理工具
https://github.com/aexachao/nas-subtitle-manager
一个基于 Whisper + LLM 的智能字幕管理系统，自动扫描 NAS 媒体库，提取音轨生成字幕，并支持多语言翻译。适合家庭 NAS 环境的轻量级部署。
● 自动化流程 - 扫描媒体库 → 提取字幕 → AI 翻译，全程自动化
● 多语言支持 - Whisper 支持 99+ 语言识别，LLM 翻译支持中英日韩等主流语言
● 多 AI 提供商 - 支持 Ollama (本地)、DeepSeek、Gemini、OpenAI 等
● 一键部署 - Docker Compose 部署，无需复杂配置
● 任务队列 - 后台异步处理，实时进度监控
#Video #Voice #Tool #HomeLab #GitHub
https://github.com/aexachao/nas-subtitle-manager
一个基于 Whisper + LLM 的智能字幕管理系统，自动扫描 NAS 媒体库，提取音轨生成字幕，并支持多语言翻译。适合家庭 NAS 环境的轻量级部署。
● 自动化流程 - 扫描媒体库 → 提取字幕 → AI 翻译，全程自动化
● 多语言支持 - Whisper 支持 99+ 语言识别，LLM 翻译支持中英日韩等主流语言
● 多 AI 提供商 - 支持 Ollama (本地)、DeepSeek、Gemini、OpenAI 等
● 一键部署 - Docker Compose 部署，无需复杂配置
● 任务队列 - 后台异步处理，实时进度监控
#Video #Voice #Tool #HomeLab #GitHub
ten-framework - 创建对话式语音 AI Agent 的框架
https://github.com/TEN-framework/ten-framework
TEN 是一个面向语音对话 AI Agent 的开源框架。
#AI #Voice #Tool #GitHub
https://github.com/TEN-framework/ten-framework
TEN 是一个面向语音对话 AI Agent 的开源框架。
#AI #Voice #Tool #GitHub
GitHub
GitHub - TEN-framework/ten-framework: Open-source framework for conversational voice AI agents
Open-source framework for conversational voice AI agents - TEN-framework/ten-framework
VoiceInk 中文版
https://github.com/cat-xierluo/VoiceInk-CN
基于开源项目 VoiceInk 的中文本地化版本
一个优秀的 macOS 语音转文字应用，提供高精度的本地语音识别功能。
#Voice #AI #Tool #macOS #GitHub
https://github.com/cat-xierluo/VoiceInk-CN
基于开源项目 VoiceInk 的中文本地化版本
一个优秀的 macOS 语音转文字应用，提供高精度的本地语音识别功能。
#Voice #AI #Tool #macOS #GitHub
GitHub
GitHub - cat-xierluo/VoiceInk-CN: Voicelnk mac端语音转文字应用的中文本地化，默认为pro版本
Voicelnk mac端语音转文字应用的中文本地化，默认为pro版本. Contribute to cat-xierluo/VoiceInk-CN development by creating an account on GitHub.
蛐蛐 (QuQu) - 开源免费的 Wispr Flow 替代方案 | 为中文而生的下一代智能语音工作流
https://github.com/yan5xu/ququ
蛐蛐 (QuQu) 是 一个开源免费的 Wispr Flow 替代方案, 专为中文用户打造的注重隐私的桌面端语音输入与文本处理工具。
它集成了阿里巴巴开源的 FunASR 本地语音识别模型, 并支持配置国内顶尖的大语言模型, 提供高精度的中文语音转文字和智能文本优化功能。
● 完全免费开源, 数据本地处理, 保护用户隐私
● 专为中文优化, 支持国产 AI 模型如通义千问、Kimi 等
● 独创 "ASR 精准识别 + LLM 智能优化 " 的两段式引擎
● 能准确识别并格式化编程术语, 支持自定义 AI 指令
● 提供全局快捷键唤醒, 实时识别和无缝粘贴功能
#AI #Voice #Tool #GitHub
https://github.com/yan5xu/ququ
离线语音输入，无需会员，不连云端，保证隐私。
蛐蛐 (QuQu) 是 一个开源免费的 Wispr Flow 替代方案, 专为中文用户打造的注重隐私的桌面端语音输入与文本处理工具。
它集成了阿里巴巴开源的 FunASR 本地语音识别模型, 并支持配置国内顶尖的大语言模型, 提供高精度的中文语音转文字和智能文本优化功能。
● 完全免费开源, 数据本地处理, 保护用户隐私
● 专为中文优化, 支持国产 AI 模型如通义千问、Kimi 等
● 独创 "ASR 精准识别 + LLM 智能优化 " 的两段式引擎
● 能准确识别并格式化编程术语, 支持自定义 AI 指令
● 提供全局快捷键唤醒, 实时识别和无缝粘贴功能
#AI #Voice #Tool #GitHub
GitHub
GitHub - yan5xu/ququ: 开源免费的 Wispr Flow 替代方案 | 集成FunASR本地模型和可配置大语言模型的下一代中文桌面语音工作流
开源免费的 Wispr Flow 替代方案 | 集成FunASR本地模型和可配置大语言模型的下一代中文桌面语音工作流 - yan5xu/ququ
WhisperLiveKit - 本地语音转录工具（开源语音识别转文字）
https://github.com/QuentinFuxa/WhisperLiveKit
WhisperLiveKit 是一个开源的本地语音转录工具，集实时语音转文本、翻译和说话人分离于一体。 它使用了最新的语音识别和语音分离技术，可以提供低延迟和高准确度的转录结果，能用于会议实时记录和跨语言交流。
● 提供实时语音转文本功能，支持多达 100 种语言的翻译
● 支持实时说话人识别和分离
● 提供简单易用的前端和后端 API
● 支持在浏览器和 Chrome 扩展中使用
● 支持在 Docker 容器中部署
#Voice #AI #Tool #GitHub
https://github.com/QuentinFuxa/WhisperLiveKit
WhisperLiveKit 是一个开源的本地语音转录工具，集实时语音转文本、翻译和说话人分离于一体。 它使用了最新的语音识别和语音分离技术，可以提供低延迟和高准确度的转录结果，能用于会议实时记录和跨语言交流。
● 提供实时语音转文本功能，支持多达 100 种语言的翻译
● 支持实时说话人识别和分离
● 提供简单易用的前端和后端 API
● 支持在浏览器和 Chrome 扩展中使用
● 支持在 Docker 容器中部署
#Voice #AI #Tool #GitHub
GitHub
GitHub - QuentinFuxa/WhisperLiveKit: Simultaneous speech-to-text model
Simultaneous speech-to-text model. Contribute to QuentinFuxa/WhisperLiveKit development by creating an account on GitHub.
Handy - 开源离线语音转文本应用
https://github.com/cjpais/Handy
Handy 是一款免费、开源且可扩展的离线语音转文本应用程序，无需将语音发送到云端就可以将语音直接转录为文本，保证隐私。
● 支持配置快捷键开始 / 停止录音，或使用推动式对话模式
● 支持使用 Whisper 模型或 Parakeet V3 模型进行语音转录
● 使用 Tauri (Rust + React/TypeScript) 构建，跨平台支持 Windows、macOS 和 Linux 平台
● 支持 GPU 加速的 Whisper 模型，以及 CPU 优化的 Parakeet V3 模型
● 支持自动语言检测
#Voice #AI #Tool #GitHub
https://github.com/cjpais/Handy
Handy 是一款免费、开源且可扩展的离线语音转文本应用程序，无需将语音发送到云端就可以将语音直接转录为文本，保证隐私。
● 支持配置快捷键开始 / 停止录音，或使用推动式对话模式
● 支持使用 Whisper 模型或 Parakeet V3 模型进行语音转录
● 使用 Tauri (Rust + React/TypeScript) 构建，跨平台支持 Windows、macOS 和 Linux 平台
● 支持 GPU 加速的 Whisper 模型，以及 CPU 优化的 Parakeet V3 模型
● 支持自动语言检测
#Voice #AI #Tool #GitHub
GitHub
GitHub - cjpais/Handy: A free, open source, and extensible speech-to-text application that works completely offline.
A free, open source, and extensible speech-to-text application that works completely offline. - cjpais/Handy
Abogen - 从 EPUB、PDF 等文本文件生成有同步字幕的有声书
https://github.com/denizsafak/abogen
● 支持将 EPUB、PDF、Markdown 等文本文件转换为高质量音频
● 提供同步字幕功能，支持多种字幕样式
● 支持自定义语音配置，包括语速、语音选择和语音混合
● 支持批量处理，可以添加多个文件到队列中进行转换
● 支持自动检测章节并分别保存为独立音频文件
● 支持为 M4B 文件添加元数据标签
#TTS #Voice #AI #Tool #GitHub
https://github.com/denizsafak/abogen
Abogen 是一个基于 Kokoro-82M 的文本转语音工具，能够快速将 EPUB、PDF 或 Markdown 等文本文件转换为具有同步字幕的高质量音频，适用于制作有声读物，Instagram、YouTube、TikTok 等社交媒体的配音旁白，或其他任何需要自然语音的项目。● 支持将 EPUB、PDF、Markdown 等文本文件转换为高质量音频
● 提供同步字幕功能，支持多种字幕样式
● 支持自定义语音配置，包括语速、语音选择和语音混合
● 支持批量处理，可以添加多个文件到队列中进行转换
● 支持自动检测章节并分别保存为独立音频文件
● 支持为 M4B 文件添加元数据标签
#TTS #Voice #AI #Tool #GitHub
GitHub
GitHub - denizsafak/abogen: Generate audiobooks from EPUBs, PDFs and text with synchronized captions.
Generate audiobooks from EPUBs, PDFs and text with synchronized captions. - denizsafak/abogen
edgetts-edgeone-pages - 部署在 EdgeOne Pages 上的 Edge TTS 服务
https://github.com/seventycheung/edgetts-edgeone-pages
一个部署在 EdgeOne Pages 上的高性能文本转语音（ TTS ）代理服务。
● OpenAI 兼容: 完全模拟 OpenAI 的 /v1/audio/speech 接口，可被官方的 OpenAI SDK 或任何现有工具直接调用
● 高质量音色: 利用微软 Edge TTS 提供的多种自然、流畅的神经网络语音
● STREAMING: 支持流式和标准（非流式）两种响应模式，流式响应可极大降低长文本的首次播放延迟
● 智能文本清理: 内置强大的 " 文本清理流水线 "，可自动处理从 PDF 或网页复制的杂乱文本
● 灵活的参数配置: 支持通过 API 请求动态调整所有核心参数
● 零依赖部署: 脚本完全自包含，无需配置 KV、队列等任何外部服务
● 便捷的测试工具: 提供一个功能丰富的 index.html，让用户无需编写任何代码即可测试所有功能
#TTS #Voice #Tool #GitHub
https://github.com/seventycheung/edgetts-edgeone-pages
一个部署在 EdgeOne Pages 上的高性能文本转语音（ TTS ）代理服务。
● OpenAI 兼容: 完全模拟 OpenAI 的 /v1/audio/speech 接口，可被官方的 OpenAI SDK 或任何现有工具直接调用
● 高质量音色: 利用微软 Edge TTS 提供的多种自然、流畅的神经网络语音
● STREAMING: 支持流式和标准（非流式）两种响应模式，流式响应可极大降低长文本的首次播放延迟
● 智能文本清理: 内置强大的 " 文本清理流水线 "，可自动处理从 PDF 或网页复制的杂乱文本
● 灵活的参数配置: 支持通过 API 请求动态调整所有核心参数
● 零依赖部署: 脚本完全自包含，无需配置 KV、队列等任何外部服务
● 便捷的测试工具: 提供一个功能丰富的 index.html，让用户无需编写任何代码即可测试所有功能
#TTS #Voice #Tool #GitHub
GitHub
GitHub - seventycheung/edgetts-edgeone-pages: 这是一个部署在 EdgeOne Pages 上的高性能文本转语音（TTS）代理服务。它巧妙地将微软 Edge 强大且自然的语音合成服务，封装成了一个兼容 OpenAI…
这是一个部署在 EdgeOne Pages 上的高性能文本转语音（TTS）代理服务。它巧妙地将微软 Edge 强大且自然的语音合成服务，封装成了一个兼容 OpenAI API 格式的接口。这使得开发者可以无缝地将各种现有应用对接到这个免费、高质量的 TTS 服务上。 - seventycheung/edgetts-edgeone-pages
TTS-WebUI - 集成多款主流语音合成与音频生成模型的开源 Web 界面
https://github.com/rsxdalv/tts-webui
TTS-WebUI 是一个基于 Gradio 和 React 的文本到语音 (TTS) 和音频生成的 Web 界面。
● 支持多种 TTS 和音频生成模型, 包括 Bark、Tortoise、MusicGen 等
● 提供了丰富的扩展功能, 可以安装额外的模型和工具
● 提供了基于 Gradio 的后端和基于 React 的前端界面
● 兼容 OpenAI API，支持 Whisper 转录，方便与 Silly Tavern 等客户端集成，实现多场景文本、语音交互。
● 支持在 Docker 容器中运行
#TTS #Voice #Tool #GitHub
https://github.com/rsxdalv/tts-webui
TTS-WebUI 是一个基于 Gradio 和 React 的文本到语音 (TTS) 和音频生成的 Web 界面。
● 支持多种 TTS 和音频生成模型, 包括 Bark、Tortoise、MusicGen 等
● 提供了丰富的扩展功能, 可以安装额外的模型和工具
● 提供了基于 Gradio 的后端和基于 React 的前端界面
● 兼容 OpenAI API，支持 Whisper 转录，方便与 Silly Tavern 等客户端集成，实现多场景文本、语音交互。
● 支持在 Docker 容器中运行
#TTS #Voice #Tool #GitHub
GitHub
GitHub - rsxdalv/TTS-WebUI: A single Gradio + React WebUI with extensions for ACE-Step, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice…
A single Gradio + React WebUI with extensions for ACE-Step, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, ...
AI-Video-Transcriber - AI 视频转录工具
https://github.com/wendy7756/AI-Video-Transcriber
一款开源的 AI 视频转录和摘要工具，支持 YouTube、Bilibili、抖音等 30+ 平台。
● 多平台支持：支持 YouTube、Bilibili、抖音等 30+ 平台。
● 智能转录：使用 Faster-Whisper 模型进行高精度语音转文字
● AI 文本优化：自动错别字修正、句子完整化和智能分段
● 多语言摘要：支持多种语言的智能摘要生成
● 条件式翻译：当所选总结语言与 Whisper 检测到的语言不一致时，自动调用 GPT‑4o 生成翻译
#Video #AI #Tool #GitHub #Voice
https://github.com/wendy7756/AI-Video-Transcriber
一款开源的 AI 视频转录和摘要工具，支持 YouTube、Bilibili、抖音等 30+ 平台。
● 多平台支持：支持 YouTube、Bilibili、抖音等 30+ 平台。
● 智能转录：使用 Faster-Whisper 模型进行高精度语音转文字
● AI 文本优化：自动错别字修正、句子完整化和智能分段
● 多语言摘要：支持多种语言的智能摘要生成
● 条件式翻译：当所选总结语言与 Whisper 检测到的语言不一致时，自动调用 GPT‑4o 生成翻译
#Video #AI #Tool #GitHub #Voice
GitHub
GitHub - wendy7756/AI-Video-Transcriber: Transcribe and summarize video content using AI. Open-source, multi-platform, and supports…
Transcribe and summarize video content using AI. Open-source, multi-platform, and supports multiple languages. - wendy7756/AI-Video-Transcriber
LazyTyper - 基于 Whisper 的语音输入法
https://lazytyper.com/zh
macOS | Windows
LazyTyper 是一款基于 Whisper 的免费语音输入应用，拥有超高准确率和闪电般的速度。
● 极速转写：体验高达 250 倍的转写速度，无论是会议纪要还是灵感闪现，都能瞬间记录，大幅提升您的工作和学习效率。
● 精准识别：采用先进的 Whisper 模型，准确率高达 90%，远超系统自带工具。无缝支持中、英、日等多语言混合输入，沟通再无障碍。
● 小巧免费：应用体积小巧，不占用系统资源，且完全免费使用。我们相信，强大的生产力工具应该触手可及，没有任何负担。
#Voice #Tool #AI
https://lazytyper.com/zh
macOS | Windows
LazyTyper 是一款基于 Whisper 的免费语音输入应用，拥有超高准确率和闪电般的速度。
● 极速转写：体验高达 250 倍的转写速度，无论是会议纪要还是灵感闪现，都能瞬间记录，大幅提升您的工作和学习效率。
● 精准识别：采用先进的 Whisper 模型，准确率高达 90%，远超系统自带工具。无缝支持中、英、日等多语言混合输入，沟通再无障碍。
● 小巧免费：应用体积小巧，不占用系统资源，且完全免费使用。我们相信，强大的生产力工具应该触手可及，没有任何负担。
#Voice #Tool #AI
LazyTyper官网 - 免费精准的Whisper语音输入，支持中英日韩等多语言混输
告别手动输入的繁琐！LazyTyper是一款基于Whisper的免费语音输入应用，准确率高达90%，速度超快且体积小巧。它完美支持中英日韩等多语言无缝混合输入，让沟通更高效。立即体验未来输入方式！
Audiblez - 电子书转换生成有声书
https://github.com/santinic/audiblez
Audiblez 是一款可以将电子书（.epub）转换生成有声书（.m4b）的工具。
它使用 Kokoro-82M 这个高质量的文本到语音合成模型，支持多种语言，包括英语、西班牙语、法语、意大利语、日语、葡萄牙语和中文等。
● 从 .epub 电子书生成 .m4b 有声书
● 支持多种语言的高质量语音合成
● 提供命令行工具和图形化界面
● 支持在 CPU 和 GPU（CUDA）上运行
#Voice #Tool #GitHub
https://github.com/santinic/audiblez
Audiblez 是一款可以将电子书（.epub）转换生成有声书（.m4b）的工具。
它使用 Kokoro-82M 这个高质量的文本到语音合成模型，支持多种语言，包括英语、西班牙语、法语、意大利语、日语、葡萄牙语和中文等。
● 从 .epub 电子书生成 .m4b 有声书
● 支持多种语言的高质量语音合成
● 提供命令行工具和图形化界面
● 支持在 CPU 和 GPU（CUDA）上运行
#Voice #Tool #GitHub
GitHub
GitHub - santinic/audiblez: Generate audiobooks from e-books
Generate audiobooks from e-books. Contribute to santinic/audiblez development by creating an account on GitHub.
Klic Studio - 音视频处理工具（翻译 / 配音 ）
https://github.com/krillinai/KlicStudio
多平台发布 / 搬运视频好帮手
Klic Studio 是由 Krillin AI 开发的多功能音视频本地化和增强解决方案。
集成了视频翻译、配音和语音克隆，支持横屏和竖屏格式，确保在所有主要平台（Bilibili、小红书、抖音、微信视频、快手、YouTube、TikTok 等）上完美呈现。
通过端到端的工作流程，您只需几次点击即可将原材料转化为精美的跨平台内容。
● 视频获取：支持 yt-dlp 下载或本地文件上传
● 准确识别：基于 Whisper 的高精度语音识别
● 智能分段：使用 LLM 进行字幕分段和对齐
● 术语替换：一键替换专业词汇
● 专业翻译：基于上下文的 LLM 翻译，保持自然语义
● 语音克隆：提供 CosyVoice 中选择的语音音调或自定义语音克隆
● 视频合成：自动处理横屏和竖屏视频及字幕布局
● 跨平台：支持 Windows、Linux、macOS，提供桌面和服务器版本
#Video #Voice #Tool #GitHub
https://github.com/krillinai/KlicStudio
多平台发布 / 搬运视频好帮手
Klic Studio 是由 Krillin AI 开发的多功能音视频本地化和增强解决方案。
集成了视频翻译、配音和语音克隆，支持横屏和竖屏格式，确保在所有主要平台（Bilibili、小红书、抖音、微信视频、快手、YouTube、TikTok 等）上完美呈现。
通过端到端的工作流程，您只需几次点击即可将原材料转化为精美的跨平台内容。
● 视频获取：支持 yt-dlp 下载或本地文件上传
● 准确识别：基于 Whisper 的高精度语音识别
● 智能分段：使用 LLM 进行字幕分段和对齐
● 术语替换：一键替换专业词汇
● 专业翻译：基于上下文的 LLM 翻译，保持自然语义
● 语音克隆：提供 CosyVoice 中选择的语音音调或自定义语音克隆
● 视频合成：自动处理横屏和竖屏视频及字幕布局
● 跨平台：支持 Windows、Linux、macOS，提供桌面和服务器版本
#Video #Voice #Tool #GitHub
GitHub
GitHub - krillinai/KrillinAI: Video translation and dubbing tool powered by LLMs. The video translator offers 100 language translations…
Video translation and dubbing tool powered by LLMs. The video translator offers 100 language translations and one-click full-process deployment. The video translation output is optimized for platfo...
https://github.com/wangwangit/tts
一个基于 Microsoft Edge TTS 的免费在线语音合成服务，可自行部署在 Cloudflare Worker 上
#TTS #Voice #GitHub #Cloudflare
一个基于 Microsoft Edge TTS 的免费在线语音合成服务，可自行部署在 Cloudflare Worker 上
#TTS #Voice #GitHub #Cloudflare
