Skip to main content
全网优质资源汇总✨

Search: #AI语音输入

  1. VoiceKey

    macOS、Windows、iOS、Android 语音输入。桌面端按住或点按快捷键说话;iOS 是带语音的中文键盘;Android 不替换输入法,识别结果写进当前输入框。
    功能
    以下为 macOS / Windows。
    多个识别渠道:豆包、微信、千问、百度、搜狗、讯飞、Chatterfly、千问 App、叭哥说云端识别(后两个需登录官方账号),以及完全本地运行的离线识别:微信离线(macOS / Windows)、豆包离线(仅 Apple 芯片 Mac)
    多渠道候选:勾选 2 个以上渠道同时识别,光标旁弹出候选框实时显示各渠道结果,按数字键或 ↑↓ + 回车选一条上屏;默认选中上次用的渠道
    渠道对比:在设置里录一段话,并排比较各渠道的结果和速度
    长按说话:按住快捷键开始,松开结束
    点按说话:自定义快捷键,点一下开始,停顿 1–5 秒自动结束,再点一下可提前结束
    边说边上屏:识别中的文字实时打到光标处,结束后按定稿修正;关闭后改为结束时一次性粘贴
    麦克风选择、开机启动、浅色 / 深色主题、应用内自动更新
    iOS
    iOS 17+ 的中文键盘(仅 iPhone)。默认 26 键全拼,可切九宫格;功能键和顶栏可以拖动调整。左上角麦克风说话。键盘本身不能录音,由主 App 在后台收音,再把文字送回键盘。
    云端渠道与桌面端相同(不含需登录的千问 App、叭哥说),没有离线引擎
    勾选多个渠道时,在键盘里对比结果再选一条上屏
    默认画中画待机:不占麦克风,点麦克风才录音;画中画不可用时改为常开麦
    操作按钮或快捷指令「VoiceKey 说话」:正在使用本键盘时开始,再按一次结束
    点按说话的静音自动结束可在 1–5 秒间设置
    拼音词库来自雾凇拼音(GPL-3.0),并补了搜狗流行词和部分 AI 词
    语音和与主 App 通信需要「允许完全访问」;不开也能本地打字。安装或更新后,已在跑的键盘进程不会换成新版本,需到「设置 › 通用 › 键盘 › 键盘 › VoiceKey」删除后再添加。
    Android
    Android 8+(arm64)。不替换当前输入法:开启无障碍服务「VoiceKey 语音输入」后,在任意输入框长按音量下键,或点悬浮球说话,结果写入光标处。部分应用会隐藏控件树,Android 13 及以上改为经输入连接提交文字。
    渠道:豆包、微信、千问、百度、搜狗、讯飞,以及微信离线(约 100MB,本机推理)
    多渠道候选、边说边上屏、点按静音 1–5 秒自动结束
    长按音量下键只在输入框聚焦时生效,短按仍调音量
    国内系统清理后台会关掉无障碍。应用内有忽略电池优化、自启动和锁定最近任务的引导。


    项目地址

    #开源 #跨平台软件 #语音输入 #VoiceKey #AI语音输入
  2. 📱 DSH Go 1.0.9 — 把 DeepSeek Harness 装进口袋
    📦 AI Agent | Android | 开源项目


    ➤ 手机本机运行:内置 Linux(Ubuntu)、Node.js 和 DSH 运行环境,无需 Root,也不需要单独安装 Termux
    ➤ 远程控制电脑:支持通过 SSH 或 DSH Remote 连接电脑、服务器上的 DSH,手机也能继续执行任务
    ➤ 多模型支持:可切换模型,发送图片、语音输入,并处理工具审批和交互提问
    ➤ AI 手机操控:授权后可读取屏幕、点击和输入,支持不同级别的操作确认
    ➤ 插件扩展:支持原生工具卡片、表单和面板,并提供插件 SDK 与开发示例
    ➤ 对话管理:支持中途插话、消息排队、分享卡片、对话导出及网页回放
    ➤ 桌面宠物:内置 Deepy 和鲸娘,可显示在应用外,陪伴 AI 工作
    ➤ 个性化界面:提供 6 套主题配色,支持自定义颜色、桌面图标及中英文切换
    ➤ 多设备适配:支持手机横屏和平板布局
    ➤ 本地语音识别:可下载语音模型,在设备上进行语音识别


    📌 简单说:
    👉 一款 DeepSeek Harness 的 Android 第三方客户端,让你在手机上直接运行 AI 编程 Agent,也可以远程连接电脑或服务器上的 DSH,随时随地管理任务、编写代码和调用工具。

    📥 Android 下载:
    GitHub Releases(最新版 1.0.9)

    📢 GitHub 项目:
    DSH Go

    📂 #DSHGo #DeepSeekHarness #AI编程 #AIAgent #Android #ClaudeCode #Codex #Linux #手机编程 #开源项目
  3. 💎 Cline Desktop|免费 AI 模型


    ⚡️ 桌面 AI Agent · 多模型 · 免费使用

    🎁 免费模型
    🤖 DeepSeek V4.1 Flash|Muse Spark 1.3|GLM-5.3 Flash

    🛠 主要功能
    ◉ ClinePass / 个人 API Key
    ◉ Codex、Claude Code 等任务迁移
    ◉ 后台任务计划器
    ◉ MCP 服务器|插件|Skills 管理
    ◉ 内置浏览器|语音输入

    🚀 使用方法
    ① 下载:https://cline.bot/desktop
    ② 安装并运行 Cline Desktop
    ③ 登录 Cline 账号或连接 API Key
    ④ 打开项目 → 选择免费模型 → 创建会话

    📢 投稿:@pgkj_bot


    #Cline #AI #AIAgent #免费模型 #开发工具
  4. 🎬 MoneyPrinterTurbo — AI 自动视频生成工具
    📦 AI工具 | 视频创作 | 开源项目


    ➤ 使用 AI 自动生成短视频内容
    ➤ 根据主题或关键词生成视频文案
    ➤ 自动选择并组合视频素材
    ➤ 自动生成字幕
    ➤ 支持文本转语音(TTS)
    ➤ 自动添加背景音乐
    ➤ 支持 9:16 竖屏视频格式
    ➤ 支持 16:9 横屏视频格式
    ➤ 支持批量生成多个视频
    ➤ 提供 WebUI 和 API 接口
    ➤ 支持 Windows、macOS、Linux、Docker 和 Google Colab


    📌 简单说:
    👉 MoneyPrinterTurbo 是一个开源 AI 视频生成项目,只需输入主题或关键词,即可自动完成文案、素材、字幕、配音和音乐生成,快速制作适合社交平台发布的短视频。

    🔗 项目地址:
    GitHub

    ⬇️ 版本下载:
    Releases

    📂 #MoneyPrinterTurbo #AI视频 #AIGC #视频生成 #开源项目
  5. 🔥 热门 GitHub 开源项目精选
    📦 开源项目 | GitHub | 工具合集


    ➤ OpenCut|开源视频编辑器
    ➤ CapCut 替代方案,无需账号即可编辑视频
    ➤ ⭐ 84K | TypeScript
    🔗 github.com/OpenCut-app/OpenCut

    ➤ Immich|自托管照片管理平台
    ➤ Google 相册替代方案,支持照片视频存储、智能搜索、人脸识别
    ➤ ⭐ 111K | TypeScript
    🔗 github.com/immich-app/immich

    ➤ MoneyPrinterTurbo|AI 自动生成短视频
    ➤ 输入主题即可生成包含文字、音频、图片和字幕的视频
    ➤ ⭐ 107K | Python
    🔗 github.com/harry0703/MoneyPrinterTurbo

    ➤ Career Ops|AI 求职助手
    ➤ 聚合招聘信息,并通过 AI 匹配技能与岗位
    ➤ ⭐ 65K | JavaScript
    🔗 github.com/santifer/career-ops

    ➤ Motrix|开源下载工具
    ➤ 支持 BT、HTTP、FTP、Magnet 等多种协议
    ➤ ⭐ 53K | TypeScript
    🔗 github.com/agalwood/Motrix

    ➤ llmfit|本地 AI 模型检测工具
    ➤ 一条命令检测哪些 AI 模型适合你的硬件运行
    ➤ ⭐ 32.5K
    🔗 github.com/AlexsJones/llmfit

    ➤ Soup|轻量模型微调工具
    ➤ 使用 YAML 配置即可微调语言模型
    ➤ ⭐ 1.8K | Python
    🔗 github.com/MakazhanAlpamys/Soup

    ➤ CLI-Anything|AI 控制桌面软件工具
    ➤ 将 GIMP、LibreOffice、Blender 等转换为 AI 可调用 CLI
    ➤ ⭐ 47.6K | Python
    🔗 github.com/HKUDS/CLI-Anything

    ➤ Spec Kit|规范驱动开发工具
    ➤ GitHub 官方推出,帮助 AI 根据详细规范编写代码
    ➤ ⭐ 129K | Python
    🔗 github.com/github/spec-kit

    ➤ Nautilus Trader|算法交易引擎
    ➤ Rust 开发的高性能事件驱动交易框架
    ➤ ⭐ 26K
    🔗 github.com/nautechsystems/nautilus_trader

    ➤ Public APIs|免费 API 集合
    ➤ 收录天气、货币、电影、新闻等大量 API 资源
    ➤ ⭐ 462K | Python
    🔗 github.com/public-apis/public-apis


    📌 简单说:
    👉 本期精选 11 个热门 GitHub 项目,覆盖 AI、视频编辑、照片管理、自动化、下载工具、本地模型、开发工具和数据 API 等领域,适合开发者和科技爱好者收藏。

    📂 #GitHub #开源项目 #AI工具 #开发工具 #软件推荐 #技术资源
  6. Duo Translator

    AI驱动的翻译和写作助手。支持网页翻译、划词翻译、写作增强等。
    网页翻译:

    1. 双语排版格式,更好的理解原文内容,提升阅读体验。
    2. 通过悬浮球、快捷键、右键菜单快速翻译和恢复页面。
    3. 支持检测页面语言,自动翻译。
    4. 定义译文样式,支持背景颜色,字体颜色,边框样式、边框颜色。

    双语对照高亮:

    1. 原文和译文逐句对照高亮,更好的理解长文本,快速定位复杂难懂和翻译失真的句子。
    2. 光标移动到原文或译文上即可触发。
    3. 定义高亮样式,支持边框样式、边框颜色、背景颜色,字体颜色。

    段落翻译和划词翻译

    1. 无需手动选择整段文字,快速翻译任意段落。
    2. 划词翻译支持原文和译文的发音和快捷复制。
    3. 双击Ctrl/Alt、快捷键、右键菜单即可触发。

    AI 写作

    1. 输入框中快速完成语法纠错、润色、翻译等操作。
    2. 支持白名单模式,只在您需要的网站上启用。
    3. 通过打开单独的AI工作台,更方便的编辑长文本,检查输出内容。

    视频字幕
    1. YouTube 双语字幕。
    2. 自定义字幕样式。

    接入多种翻译和AI服务

    1. 内置了翻译服务Microsoft、Google、DeepL。
    2. AI服务支持OpenAI、DeepSeek、Gemini、OpenRouter、Claude、Ollama、自定义。


    项目地址 | Chrome 应用商店 | Edge 扩展

    #开源 #浏览器扩展 #AI翻译
  7. 📊 🔁 AI PPT生成工具合集

    📦 AI幻灯片 | PPT生成 | 演示文稿工具大全



    👑 ppt-master
    ➤ 原生 PPTX 输出(可编辑)
    ➤ 支持动画 / 转场 / 图表
    ➤ 支持模板填充 + 多源输入
    ➤ 可生成语音演讲稿
    🔗 https://github.com/hugohe3/ppt-master

    ———

    🎨 frontend-slides
    ➤ 高级 HTML 演示幻灯片
    ➤ 单文件无依赖部署
    ➤ 可导出 PDF / Vercel部署
    ➤ 审美极强
    🔗 https://github.com/zarazhangrui/frontend-slides

    ———

    🧠 huashu-design
    ➤ HTML高保真PPT设计系统
    ➤ 支持20+风格 + 动画
    ➤ 可输出 PPTX
    ➤ 内置设计评审机制
    🔗 https://github.com/alchaincyf/huashu-design

    ———

    📚 guizang-ppt-skill
    ➤ 瑞士风杂志级PPT设计
    ➤ HTML横向翻页幻灯片
    ➤ 支持演示快捷键
    🔗 https://github.com/op7418/guizang-ppt-skill

    ———

    ⚙️ html-ppt-skill
    ➤ HTML演示系统
    ➤ 计时器 + 逐字稿
    ➤ 24主题 / 31布局 / 20+动画
    🔗 https://github.com/lewislulu/html-ppt-skill

    ———

    🖼 baoyu-skills
    ➤ 图片型幻灯片生成
    ➤ 自动PPTX + PDF输出
    ➤ 卡片式内容展示
    🔗 https://github.com/JimLiu/baoyu-skills

    ———

    🧪 qiaomu skill(测试中)
    ➤ 卡片式内容输出
    ➤ 未来支持 PPTX / PDF / Keynote
    🔗 https://github.com/joeseesun/qiaomu-anything-to-notebooklm



    📌 简单说:
    👉 这一批都是 AI 自动生成 PPT / 幻灯片工具,从“可编辑PPTX”到“高级HTML演示”全覆盖。

    📂 #AI工具 #PPT #演示文稿 #开源项目 #生产力工具
  8. 🎤 Z AI - 文字转语音

    📦 打破文字边界,“声”临其境


    ➤ 文字转语音|在输入框中输入文字即可生成语音
    ➤ 音色库|提供多种音色选择
    ➤ 音色示例:
    - 活泼女声(普通话标准,开朗活泼)
    ➤ 音量与语速调节|可调节播放速度和音量
    ➤ 免费体验|剩余字符限制 300 字


    🌐 官网:
    https://audio.z.ai

    📌 简单说:
    👉 Z AI 是一个文字转语音工具,提供多种音色和可调节参数,支持快速生成高质量语音,适合内容创作与音频制作。

    📂 #TTS #文字转语音 #AI音频
    📁 在线工具
  9. VoxCPM |基于连续表征的多语言语音合成、创意音色设计与高保真声音克隆

    一个无离散音频分词器(Tokenizer-Free)的语音合成系统,通过端到端的扩散自回归架构直接生成连续语音表征,绕过对音频的离散编码步骤,实现高度自然且富有表现力的语音合成。
    🌍 30种语言语音合成 — 直接输入原始文本即可合成(支持语言详见下文),无需额外语言标签
    🎨 音色设计 — 用自然语言描述(性别、年龄、音色、情绪、语速……)凭空创建全新音色,无需参考音频
    🎛 可控声音克隆 — 从参考音频片段克隆任意声音,可叠加风格指令控制情绪、语速和表现力,同时保持原始音色
    🎙 极致克隆 — 提供参考音频及其文本内容,模型接着参考音频进行无缝续写,从而精准还原声音细节特征(与 VoxCPM1.5 一致)
    🔊 48kHz 高质量音频 — 输入 16kHz 参考音频,通过 AudioVAE V2 的非对称编解码设计直接输出 48kHz 高质量音频,内置超分能力
    🧠 语境感知合成 — 根据文本内容自动推断合适的韵律和表现力
    ⚡️ 实时流式合成 — 在 NVIDIA RTX 4090 上 RTF 低至 ~0.3,通过 Nano-vLLM 或 vLLM-Omni(官方 vLLM 全模态服务,原生支持 VoxCPM2,提供 PagedAttention 与 OpenAI 兼容 API)加速后可达 ~0.13
    📜 完全开源,商用就绪 — 权重和代码基于 Apache-2.0 协议发布,免费商用


    项目地址

    #开源 #声音克隆 #AI语音 #本地部署 #VoxCPM #语音合成
  10. #VoxCPM2 #语音合成 #AI
    VoxCPM整合包
    VoxCPM 是一个支持中英文、零样本语音克隆、情感可控、音素/公式输入的统一端到端语音合成大模型。它不依赖传统 TTS 流水线(如文本分析 → 音素对齐 → 声码器),而是直接从文本生成高质量语音波形 新版本新增特性: 1.UI颠覆性重构,主要体现在:场景从"语音克隆"+"语音设计"分为"简单场景"+"复杂场景",复杂场景中均支持可控克隆和极致克隆两种方式,适用于不同诉求。特别注意的是Excel中模板根据不同场景拆分为两个,且字段含义不同。 2.新增了api调用及详细说明文档。 3.音色设计页面UI美化,并引入了文本替换 链接:https://pan.quark.cn/s/5ef0eeb56fba
    📢关注频道:@quanshoulu
    🎁访问主页: www.noisework.cn
  11. 🔁 OpenTalking
    📦 开源数字人 | 实时语音对话 | WebRTC框架


    ➤ 实时数字人|支持语音、字幕与视频实时互动
    ➤ 多模型接入|兼容 LLM、TTS、STT 等模型服务
    ➤ WebRTC支持|低延迟音视频实时传输
    ➤ 数字人驱动|支持 Wav2Lip、MuseTalk 等方案
    ➤ 可插拔架构|支持本地或远程模型部署
    ➤ 开源免费|基于 FastAPI + React 构建


    🌐 GitHub:
    https://github.com/datascale-ai/opentalking

    📌 简单说:
    👉 一个开源实时数字人对话框架,集成大模型、语音识别、语音合成、字幕和 WebRTC 音视频能力,可快速搭建 AI 数字人、虚拟主播和智能客服等应用。

    📂 #数字人 #AI语音 #WebRTC #大模型
    📁 Windows / Linux / AI工具
  12. 🔁 MoneyPrinterTurbo
    📦 AI短视频生成 | 自动剪辑 | 一键生成视频


    ➤ AI生成视频|输入主题即可自动生成短视频
    ➤ 自动配音|支持多种 TTS 语音合成
    ➤ 自动字幕|支持字幕生成与样式调整
    ➤ 多模型支持|兼容 OpenAI / Gemini / DeepSeek 等
    ➤ 多平台部署|支持 Windows / macOS / Linux / Docker
    ➤ WebUI界面|提供可视化操作与 API 接口


    🌐 GitHub:
    https://github.com/harry0703/MoneyPrinterTurbo

    📌 简单说:
    👉 一个热门开源 AI 短视频生成工具,只需输入关键词或主题,即可自动完成文案、配音、字幕、素材与视频合成。适合自媒体与短视频内容批量生产。

    ———— 商务合作————

    📂 #AI视频 #短视频生成 #自动剪辑 #AI工具
    📁 Windows / 创作工具
  13. ‼️ Perplexity AI Pro v2.72.3 ‼️
    💫 版本更新

    💡 应用简介:
    基于人工智能的智能搜索工具,集成 OpenAI 的 GPT-4 与 Anthropic 的 Claude 2,让搜索与问答更深入、更可靠。

    ⚙️ 核心功能:

    ✓ AI 引导式搜索: 深度理解问题,提供更有价值的研究结果
    ✓ 语音 / 文字提问: 无论输入还是语音,都能即时获得最新答案
    ✓ 可引用来源: 每个回答都附带参考来源,适合学习与研究
    ✓ 连续对话: 可在同一主题下不断追问,逐步深入理解
    ✓ 支持中文: 可直接使用中文进行交流
    ✓ 更多高级功能: 等你探索


    🌐 使用提示:
    部分地区可能需要配合 VPN 使用
    🔑 状态: 已解锁「部分 Premium 功能」

    📥 下载地址:
    👉 点我下载

    📢 频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI工具 #Perplexity #GPT4 #Claude #智能搜索 #学习研究
  14. 💥 Pixelle-Video|全自动短视频生成引擎
    输入一个主题,AI 自动帮你把视频全做完

    🟢 软件信息:


    🎬 核心功能: 全自动短视频生成
    🧠 智能创作: 自动生成视频文案
    🖼 AI 配图: 根据内容自动生成图片素材
    🗣 语音合成: 文案自动转语音解说
    🎵 背景音乐: 自动匹配并添加 BGM
    🎞 视频合成: 一键生成完整短视频
    🖥 支持平台: Windows


    🚀 一句话:
    这是把「写脚本 + 配图 + 配音 + 剪辑」全部交给 AI 的短视频生产流水线。

    📥 软件下载:
    👉 点击下载

    📢 频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #短视频 #AI视频 #视频生成 #Windows软件 #开源项目
  15. #AI 🎬 Pixelle-Video —— AI 全自动短视频引擎只需输入一个 主题,Pixelle-Video 就能自动完成:撰写视频文案、生成 AI 配图/视频、合成语音解说、添加背景音乐、一键合成视频
    https://github.com/AIDC-AI/Pixelle-Video
  16. 🎙 LazyTyper | 懒人打字神器,基于 Whisper 的语音输入法

    🔥 还在为了打字手酸?这款体积仅几 MB 的小工具,利用 OpenAI Whisper 模型,让你的语音转文字快如闪电!

    💎 核心亮点:

    ✅ 超高准确率: 🧠 基于强大的 Whisper 模型,识别准确率高达 90% 以上。
    ✅ 多语言混输: 🌍 真正支持中、英、日、韩无缝混合说,再也不用手动切换语言。
    ✅ 极致轻量化: 🪶 体积仅个位数 MB,内存占用极低,旧电脑也能跑得飞起。
    ✅ 完全免费: 🆓 支持 Windows & macOS 双平台,无内购,无广告。

    📢 社区反馈:
    在 V2EX 论坛引起热议,网友评价极高,被称为“只有几M的生产力怪兽”。

    → 📥 官网下载 (Win/Mac)
    → 🔗 查看 V2EX 原帖讨论

    频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI #语音输入 #效率工具 #Whisper #LazyTyper
  17. #AI #工具 妙语 是一款专注中文语境的桌面语音输入工具。 它将语音录制、离线识别、智能标点和自动粘贴串成一条工作流,让你开口即可成文,并支持可选的 LLM 润色。
    https://github.com/zhanyuilong/miaoyu GitHub - pengling9405/miaoyu: 妙语 - 智能语音输入,妙语亦可生花。
  18. Chaterm

    一款开源的AI 智能终端工具与 SSH 客户端,支持使用自然语言或语音输入执行命令,并提供智能补全、全局语法高亮、可视化编辑、命令别名管理等功能。它能够理解错误信息、分析系统日志、并可跨多个主机并行执行任务,适合运维、SRE 和云资源管理。安全方面整合零信任架构、身份与权限管理、端到端加密、操作审计等企业级保障机制。软件跨平台支持 Windows、macOS 及 Linux

    访问官网

    #跨平台软件 #智能终端 #AI运维
  19. #AI
    auto-video-generateor AI自动解说类视频生成器
    介绍
    该项目是一个自动视频生成器,它可以根据给定的主题自动生成解说视频。用户输入主题文字后,系统会调用大型语言模型生成相应的故事或解说文本,随后利用语音合成接口生成解说的语音,并通过图像生成接口创建与文本内容相符的配图。最后,系统将语音和配图融合在一起,生成完整的解说视频。
    项目地址:https://github.com/kuangdd2024/auto-video-generateor
    实现这个系统需要多个步骤,包括生成故事文本、分句、语音合成、图像生成、生成视频,以及使用Gradio进行交互。。
    - 步骤 1: 生成故事文本 为了简化,我们先手动创建一个示例故事文本。
    - 步骤 2: 分句 使用re库或自然语言处理工具将文本分句。
    - 步骤 3: 语音合成 使用pyttsx3库或其他语音合成模型进行语音合成。
    - 步骤 4: 文生图 使用pillow库或其他文生图模型生成图片。
    - 步骤 5: 生成视频 使用moviepy库将图片和音频组合成视频。
    - 步骤 6: 使用Gradio实现交互 使用gradio库创建一个简单的交互界面。
    资源校对交互页面
    校对用于合成视频的文本、语音和图像资源,可以进行修改或重新生成,直到满意为止。。
    使用方法
    执行代码
    # 参数可选:1 2 3 4
    python main.py 4
    打开浏览器
    http://127.0.0.1:8000/
    界面:
    交互操作
    用户在gradio界面输入主题文字,生成并编辑故事文本,然后生成语音、图片资源,最终合成视频。
    注意事项
    1. 生成视频后会把生成的文本、语音、图片的多媒体材料保存到目录中(默认:mnt/materials/[时间戳])。
    2.…
    📡发布:https://noisevip.cn/18529.html
    🪧关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  20. #AI语音
    CosyVoice-AI声音克隆离线整合包
    介绍
    该项目是由阿里开源的聚合多语言大语音生成模型,提供推理、训练和部署全栈能力,项目中FunAudioLLM为核心框架,其两个主要模型用于高精度多语言语音识别、情感识别和音频事件检测的 SenseVoice;以及 CosyVoice,用于通过多语言、音色和情感控制进行自然语音生成。SenseVoice 提供极低的延迟并支持 50 多种语言,而 CosyVoice 在多语言语音生成、零样本语音生成、跨语言语音克隆和指令跟踪功能方面表现出色。与 SenseVoice 和 CosyVoice 相关的模型已在 Modelscope 和 Huggingface 上开源,以及 GitHub 上发布的相应训练、推理和微调代码。通过将这些模型与 LLM 集成,FunAudioLLM 实现了语音翻译、情感语音聊天、交互式播客和富有表现力的有声读物旁白等应用,从而突破了语音交互技术的界限
    项目地址:https://github.com/FunAudioLLM/CosyVoice
    CosyVoice整合包下载:https://pan.quark.cn/s/74ce36f251b6
    引:整合包由up主十个骑士制作
    这里分享的为CosyVoice相关,所以不过多介绍其框架下的综合能力,详细你可以访问官方https://fun-audio-llm.github.io 页面查看
    解压整合包并启动后(其中有三个个一键启动程序,推理-instruct.exe为自然语言控制模型启动)你可以得到如下界面:
    预训练模式即文本生成语音,在列表中你可以找到预训练的模型角色
    3s极速复刻为克隆一段音频音色,上传音频文件并输出prompt(和音频内容一致)再填入你想要生成音频的文本(最上方)
    跨语种复刻为克隆为其它语言的音频,所以上方输入的文本应为其它语言…
    📡发布:https://noisevip.cn/18428.html
    🪧关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  21. #AI视频
    Tailor-视频智能裁剪、视频生成和视频优化的工具
    ailor 是令人惊叹的视频编辑神器!其人脸和语音剪辑精准无比,人脸识别能锁定人物画面,语音捕捉和裁剪独具魅力。视频生成方面,口播生成赋予图像灵魂,字幕生成准确契合,色彩生成让黑白鲜活,音频生成创造无限可能。优化上,背景更换如入奇幻世界,流畅度与清晰度也极佳。Tailor 不仅是软件,更是创意与精彩的钥匙,无论专业或普通爱好者都能借此让作品闪耀,快来体验它带来的震撼惊喜!
    介绍
    Tailor(中文简称:泰勒)是一款视频智能裁剪、视频生成和视频优化的工具。目前该项目包括了视频剪辑、视频生成和视频优化3大类视频处理方向,共10种方法。Tailor使用方法简单,点点鼠标即可使用最先进的人工智能进行视频处理工作,省时省力,若使用安装版本Tailor,所有的环境配置都可省掉,对用户特别友好。
    工作界面
    功能介绍
    Tailor包括了视频剪辑、视频生成和视频优化3大类视频处理方向,共10种方法。下面将依次进行介绍:
    视频剪辑
    人脸剪辑
    Tailor 拥有神奇的人脸识别技术,能自动从视频中捕捉每一个精彩的人脸瞬间。你只需轻轻一点,就能选择关注的人脸,Tailor 会像魔法一样为你自动裁剪出相关视频,让你的主角时刻闪耀!
    语音剪辑
    Tailor 还能智能识别视频中的语音内容,并将其清晰地展示出来。你可以根据自己的需求,选择感兴趣的语音部分,Tailor 会精准地裁剪出你想要的内容,让你的视频更加精彩。
    视频生成
    口播生成
    只需上传一张带有人脸的图像,选择喜欢的语音音色,输入想要生成的语音内容,Tailor 就能瞬间为你生成一个对应语音口型的有声视频。让你的创意轻松实现,打造出独一无二的视频作品!
    地址:https://github.com/FutureUniant/Tailor
    字幕生成
    通过智能识别音视频内容,Tailor…
    📡发布:https://noisevip.cn/18377.html
    🪧关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  22. ChatBot
    支持ChatGPT, gemini, ollama,同义千文,moonshot等多种模式
    高级AI应用,支持文字输入、语音输入、语音对话等功能。
    #Ai #Mac #ios #安卓
    #1.2.8更新 官方频道
    1. 支持收藏消息
    2. 清空上下文逻辑变更,修改为不携带历史消息,而不会删除历史消息
    3. 修改bug,优化样式
    4. 支持版本更新检测


    macOS 下载地址: https://apps.apple.com/app/id6499505508

    macOS TestFlight: https://testflight.apple.com/join/beLFVk2q

    iOS 下载地址: https://apps.apple.com/app/id6499505508

    iOS TestFlight: https://testflight.apple.com/join/Znpyd2IF

    Android 下载地址: https://github.com/ChatBot-All/chatbot-app/releases
  23. #AI #AI视频
    ai-webui-图像、音频、视频处理工具
    1. 简介
    ai-webui是一个基于浏览器操作的界面,旨在提供一个通用的AI创作平台。
    本项目提供了图像分割、目标追踪、图像修复、语音识别、语音合成等基本功能,以及集成得到的聊天问答、视频翻译、视频去水印等有利于大幅提高短视频创作效率的高级功能。
    ⚡️2. 安装
    要安装并使用AI-WebUI,请按照以下步骤操作:
    2.1 克隆此项目到本地计算机
    git clone https://github.com/jasonaidm/ai_webui.git
    2.2 进入项目目录
    cd ai_webui
    2.3 创建虚拟环境
    conda create -n aiwebui python=3.11
    conda activate aiwebui
    2.4 安装所需的依赖项
    apt install ffmpeg -y
    pip install -r requirements.txt
    🚀3. 快速开始
    使用AI-WebUI非常简单。只需要按照界面上的指示进行操作即可。你可以通过上传视频、音频、图片或输入文本等方式输入创作要素,并与模型的输出进行交互。
    python webui.py -c ./configs/webui_configs.yml
    启动后,在浏览器中打开 http://localhost:9090/?__theme=dark 查看项目界面。
    3.1 单一功能示例
    考虑到部分用户个人电脑的GPU性能问题,我们提供单功能示例,用户可以单独运行一个AI功能,而不需要启动整个项目。
    1. 图像分割
    - 全景分割
    - 基于points坐标信息的提示词分割…
    📡发布:https://noisevip.cn/17791.html
    📢关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  24. #AI语音
    简单强大的CV声音克隆工具
    介绍
    这是一个声音克隆工具,可使用任何人类音色,将一段文字合成为使用该音色说话的声音,或者将一个声音使用该音色转换为另一个声音。
    使用非常简单,没有N卡GPU也可以使用,下载预编译版本,双击 app.exe 打开一个web界面,鼠标点点就能用。
    支持 中文、英文、日语、韩语 4种语言,可在线从麦克风录制声音。
    为保证合成效果,建议录制时长5秒到20秒,发音清晰准确,不要存在背景噪声。
    英文效果很棒,中文效果还凑合。
    项目地址:https://github.com/jianchang512/clone-voice
    视频演示:https://nftstorage.link/ipfs/bafybeidk2semsomdo6m23ik6b7ktzpth6wsb72zd4wwuzksue57ys633wy
    使用方法
    1. 右侧[Releases]https://github.com/jianchang512/clone-voice/releases中下载预编译版,适用于window 10/11(已含文字到语音模型,语音到语音模型需单独下载),Mac下请拉取源码自行编译
    2. 下载后解压到某处,比如 E:/clone-voice 下
    3. 双击 start.bat ,等待自动打开web窗口,如下
    4. 转换操作步骤
    ◦ 在文本框中输入文字、或导入srt文件,或者选择“声音->声音”,选择要转换的声音wav格式文件
    ◦ 然后从“要使用的声音wav文件”下拉框中选择要用的声音,如果没有满意的,也可以点击“本地上传”按钮,选择已录制好的5-20s的wav声音文件。或者点击“开始录制”按钮,在线录制你自己的声音5-20s,录制完成点击使用
    ◦ 点击“立即开始生成”按钮,耐心等待完成。
    5.…
    📡发布:https://noisevip.cn/17427.html
    📢关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  25. #AI
    YouDub-优质视频中文化工具
    简介

    YouDub 是一个创新的开源工具,专注于将 YouTube 等平台的优质视频翻译和配音为中文版本。此工具融合了先进的 AI 技术,包括语音识别、大型语言模型翻译以及 AI 声音克隆技术,为中文用户提供具有原始 YouTuber 音色的中文配音视频。

    项目地址:https://github.com/liuzhao1225/YouDub

    主要特点

    - AI 语音识别:有效转换视频中的语音为文字。
    - 大型语言模型翻译:快速且精准地将文本翻译成中文。
    - AI 声音克隆:生成与原视频配音相似的中文语音。
    - 视频处理:集成的功能实现音视频的同步处理。

    安装与使用指南

    1. 克隆仓库
    :
    git clone https://github.com/liuzhao1225/YouDub.git
    2. 安装依赖
    : 进入
    YouDub
    目录并安装所需依赖:
    cd YouDub
    pip install -r requirements.txt
    3. 运行程序
    : 使用以下命令启动主程序:
    python main.py

    使用步骤

    - 准备需要翻译的视频文件并放置于输入文件夹。
    - 指定输出文件夹以接收处理后的视频。
    - 系统将自动进行语音识别、翻译、声音克隆和视频处理。…
    📡发布:https://noisevip.cn/17431.html
    📢关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  26. #AI
    智能AI视频创作神器:一帧秒创
    前言:关于一帧秒创我以前介绍过,只不过当时的模式只有AI视频方向,现在它得到了进一步成长,可以再来了解下

    介绍

    一帧秒创是基于秒创AIGC引擎的智能AI内容创作平台,为200万+创作者提供包括文字续写、文字转语音、文生图、图文转视频、AI成片、数字人播报等创作服务,产品包括秒创数字人、秒创AI帮写、秒创图文转视频、秒创AI视频、秒创AI语音、秒创AI作画等。

    官网链接:https://aigc.yizhentv.com/?_f=nobaibao

    功能

    1、 秒创数字人

    智能数字人播报平台,输入文案,一键生成“真人”营销视频。AI数字人是以数字孪生等AI技术为基础,1:1还原真人形象、动作、神态、声音,无限逼近真人的数字分身。甚至还可以1:1还原真人形象+1:1还原真人音色,定制专属于您的数字人形象和声音,帮助您快速完成企业和个人IP打造,助力营销增长。

    2、 秒创图文转视频

    作为国内领先的智能内容创作平台,输入文案,智能匹配,AI将根据语意自动匹配画面,快速实现从文案到视频的制作,实现全自动文章转视频、图文转视频。画面匹配、智能配音、智能字幕等功能,AI都能完美实现。高效产出内容的同时,支持非常灵活的细节调整,文稿、音乐、配音、粗剪、LOGO、字幕、语速等功能,一应俱全。海量在线素材,可任意替换选择,一键图文成片。

    3、 秒创AI帮写

    智能文案写作平台,输入灵感,文思泉涌,出“手”成章。一帧秒创提供短视频、营销、直播、风格文案4大类型AI帮写模板,全方位满足用户需求,甚至能直接输出直播脚本,大大提升运营和主播同学的效率。短视频内容、营销文案,秒创AI帮写统统都能帮你搞定。

    4、 秒创AI作画…
    📡发布:https://noisevip.cn/17103.html
    📢关注频道:@quanshoulu
    💬频道社群:https://www.noisework.cn/qun/
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  27. #AI #软件
    本地AI-Mac和Windows一键安装工具
    项目地址:https://github.com/dxcweb/local-ai
    下载:https://github.com/dxcweb/local-ai/releases
    Stable Diffusion WebUI
    根据任何领域的文本输入生成高质量、高分辨率且逼真的图像。
    Window 使用xformers提速 RTX2060 3秒出图
    Mac M1 使用MPS支持GPU 10秒出图
    Lama Cleaner
    智能图片编辑器:轻松擦除、修复!利用先进深度学习,删除照片中不需要的对象、缺陷、人物,自动填充背景修复图像。无需专业技能,几步操作让照片焕然一新。忘掉糟糕照片,让作品完美无瑕!一键擦除、修复,让您的照片变得惊艳无比!
    SadTalker
    让照片说话:照片 + 音频 = 会说话的视频
    Rembg
    批量去除图片背景
    ChatGLM2-6B
    清华大学开源中英双语对话模型,排名第一中文大语音模型
    📡发布:https://noisevip.cn/16879.html
    📢关注频道:@quanshoulu
    💬留言讨论:@Efficiencyfollow
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  28. #AI #开源 #直播 #虚拟主播
    GPT-vup BIliBili | 抖音 | AI | 虚拟主播
    一个开源新项目用于BiliBili和抖音直播,基于生产者-消费者模型设计
    使用了openai嵌入、GPT3.5 api,
    项目访问地址:https://github.com/jiran214/GPT-vup
    功能
    - 基本功能,回答弹幕和SC、欢迎入场观众、感谢礼物
    ◦ speech:监听ctrl+t热键,输入语音转为文本和ai数字人交互
    ◦ action:根据观众的行为匹配对应人物动作
    ◦ schedule:隔一段时间触发某一事件,讲故事、唱rap…
    ◦ context:给问题补充上下文
    B站直播
    - 安装依赖库:>>pip install bilibili-api-python
    - config.ini 的 room -> id 更改为自己的房间号,可以先随便找个
    - src目录下运行:>>python manager.py run bilibili
    抖音直播
    - 参考 抖音弹幕抓取数据推送: 基于系统代理抓包打造的抖音弹幕服务推送程序
    - 启动该项目
    - 打开web或者桌面端抖音正在直播的直播间,数据开始抓取
    - src目录下运行:>>python manager.py run douyin
    Vtube Studio 安装及配置
    - 在steam下载Vtube Studio软件
    - 教程:https://www.bilibili.com/video/BV1nV4y1X7yJ?t=426.7
    -…
    📡发布:https://noisevip.cn/16756.html
    📢关注频道:@quanshoulu
    💬留言讨论:@Efficiencyfollow
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn
  29. #AI #GPT
    open Ai官方出了App,原生的回答有多快?基本你输入完文字后就回复了,插件只有plus有,不过之后就是各种插件的开发出现了
    功能:
    集成了开源语音识别系统 Whisper,让你可以直接使用语音输入文字。即时回答 :获取精确信息,无需筛选广告或多个结果。量身定制的建议 :寻求烹饪、旅行计划或撰写深思熟虑的信息的指导。创意灵感 :生成礼物想法、概述演示文稿或写出完美的诗歌。专业意见 :通过思路反馈、笔记概括和技术主题协助提高生产力。学习机会 :按照自己的节奏探索新语言、现代历史等
    https://apps.apple.com/us/app/openai-chatgpt/id6448311069?l=zh
  30. #AI #工具 #软件
    基于ChatGPT3.5的字幕总结去水软件
    用于视频内容总结,文案优化,快速提取视频重点,提高学习和工作效率
    优势
    无需配置环境,工程中包含了所有依赖,不依赖torch
    whisper音频转文字自动调用GPU运算,2小时音频约15分钟转换完成
    离线AI ASR服务,白嫖语音转文本,且支持超长音频输入
    包含全链路工具,对无字幕视频可使用工具生成字幕
    精心调试的prompt,保证chatgpt回复达到预期
    编译文件仅5M。模型自动下载,不强制下载到c盘
    使用方法
    可在本工程dist目录中,下载预编译程序
    设置标签页中填写openai的apikey和代理,代理支持http及socks
    工具使用
    依赖
    编程语言aardio
    openai
    https://github.com/Const-me/Whisper
    开源:https://github.com/xuncv/ChatSubtitle
    下载:https://noise.lanzoul.com/id5pN0rwxp4h
    📡发布:https://noisevip.cn/16117.html
    📢关注频道:@quanshoulu
    💬留言讨论:@Efficiencyfollow
    📬投稿bot:@noisewowbot
    📇搜索bot:@Efficiencysearchbot
    🎁访问主页: www.noisework.cn