🍭 #AI工具 #语音技术


🏵 Moonshine Voice - 语音助手开发

🍥 简介：
Moonshine Voice是一个开源项目，专注于提供低延迟的语音转文本、意图识别及文本转语音能力。它旨在简化语音助手和交互界面的开发流程，为构建高效、响应迅速的语音交互系统提供核心技术支持，广泛应用于各类智能设备与应用。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #AI工具 #语音合成


🏵 Free-voice-clone - 免费语音克隆模型库

🍥 简介：
Free-voice-clone 是一个开源集合，收录所有本地部署且免费的开源语音合成模型和音乐生成模型。它提供了多种语音克隆与文本转语音（TTS）技术，以及各类音乐创作算法。该项目为开发者和研究人员汇集了无需商业许可的智能音频处理工具，涵盖多种技术栈和实现方式。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #游戏模组 #语音交互


🏵 Mantella - NPC自然语音交互模组

🍥 简介：
Mantella 是一款专为《上古卷轴5：天际》和《辐射4》设计的游戏模组。该模组集成了语音转文本（如 Moonshine、Whisper）、大型语言模型及文本转语音技术（如 Piper、xVASynth、XTTS），旨在使玩家能够与非玩家角色（NPC）进行自然语言交互。通过此技术栈，Mantella 实现了从玩家语音输入到NPC响应语音输出的完整对话流程，提升了游戏内角色互动的真实性和效率。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #语音合成 #教学工具


🏵 IMS Toucan - 文本语音合成教学工具

🍥 简介：
IMS Toucan 是一款专为文本转语音（Text-to-Speech, TTS）系统设计的多功能工具集。它旨在帮助用户深入理解、实际操作并高效教授当前先进的语音合成技术。无论是学习者掌握基础原理，开发者实践应用，还是教育者进行专业教学，IMS Toucan 都能提供全面的支持，简化现代语音合成系统的学习与应用过程。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🍭 #AI工具 #语音识别 #资源列表


🏵 Awesome-whisper - Whisper AI语音识别资源集

🍥 简介：
此列表汇集了OpenAI开源的AI语音识别系统Whisper的各类相关资源。Whisper是一款基于人工智能的先进语音识别模型，能够高效准确地将人类语音转换为文本。该项目旨在提供一个精选资源集合，便于开发者和研究人员快速了解并利用Whisper的功能，涵盖工具、库、教程及应用案例，旨在促进Whisper技术社区的交流与发展。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🍭 #多模态AI #语音理解


🏵 Step-Audio 2 - 端到端音频理解模型

🍥 简介：
Step-Audio 2是一款工业级端到端多模态大语言模型，专注于音频理解和语音对话。支持高精度ASR语音识别、副语言信息和非语音信息的语义推理。具备情感识别能力，可分析用户年龄、情绪等特征实现智能交互。集成工具调用和多模态RAG技术，通过检索文本和音频知识减少幻觉输出，并支持音色切换。在多项音频理解和对话基准测试中达到业界领先水平，提供mini、mini Base和mini Think三个开源版本，采用Apache 2.0许可协议。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿

🍭 #语音合成 #人工智能


🏵 VibeVoice - 长对话语音生成框架

🍥 简介：
VibeVoice是微软推出的前沿开源文本转语音研究框架，专注于生成长篇幅、多说话人的对话式音频。其核心创新在于采用7.5Hz超低帧率的连续语音分词器，通过结合大语言模型的上下文理解能力与扩散模型的声音细节生成技术，实现了长达90分钟、最多4个说话人的高质量语音合成。该框架有效解决了传统TTS系统在扩展性、说话人一致性和自然对话轮换方面的技术挑战，为播客等长音频场景提供了突破性的解决方案。

🎈 【进入项目】


🗣 羊毛撸货线报 | 合作/投稿