文章列表-AI魔法学院

文章列表

语音识别的新拐点：OLMoASR 带来的机会

语音识别正在悄悄重塑我们的生活：内容创作：播客自动生成文字稿；视频自动生成多语言字幕；AI 主播无缝上岗。

OLMoASR 语音识别

用so-vits-svc-4.1进行音色转换的极简教程

这个项目最初是用来进行歌声转换的，github项目地址： https://github.com/svc-develop-team/so-vits-svc/tree/4.1-Stable 关注AI

声音 sovits

Insanely Fast Whisper：超快的Whisper语音识别脚本

项目简介这篇内容介绍了OpenAI的Whisper Large v2语音转录模型的超快速能力。

音频 Whisper

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

轻松访问 LiveKit WebRTC 会话并处理或生成音频、视频和数据流。

voice agent 开源音视频

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

在AI的众多分支中，语音识别技术的突破性进展尤为引人瞩目。

Whisper 语音识别

用so-vits-svc-4.1进行音色转换的极简教程！

这个项目最初是用来进行歌声转换的，github项目地址： https://github.com/svc-develop-team/so-vits-svc/tree/4.1-Stable 关注AI

so-vits-svc 音色转换教程

基于 OpenAI Whisper 模型的实时语音转文字工具

· WhisperLive 是一款专注于音频处理和创作的开源软件，使用 OpenAI Whisper 模型将语音输入转换为文本输出，可以用于转录麦克风的实时音频输入和预先录制的音频文件，为艺术家和音乐制作人提供了一个强大的平台

WhisperLive 音频开源软件

RAG 2.0来了，它能成为生产落地的福音吗？

应引起AI应用开发者警惕。

RAG 大模型

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

开源免费离线语音识别神器whisper如何安装

whisper介绍 Open AI在2022年9月21日开源了号称其英文语音辨识能力已达到人类水准的Whisper神经网络，且它亦支持其它98种语言的自动语音辨识。

wisper 翻译免费

国内厂商语音识别与Whisper评测：现状与概况对比

语音识别技术不仅可以应用于智能助手、语音控制、自动化客服等领域，还有望为残障人士提供更便捷的沟通工具。

语音识别 Faster-Whisper

GTC大会黄仁勋发言稿

希望你们意识到这里不是音乐会，而是一个开发者大会。

黄仁勋 nvidia

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

但是近期，网易有道AI算法团队也开源了一款国产TTS语音合成引擎EmotiVoice，刚上线仅一周时间就暴涨4200颗星，问鼎当周GitHub trending流行榜第一。

EmotiVoice 语音库

有感情的语音合成开源模型：ChatTTS安装使用详解

ChatTTS是一个为对话场景设计的语音生成模型，专门用于大型语言模型（LLM）助手的对话任务、对话语音和视频介绍等应用。

ChatTTS 语音合成

Stable Diffusion

小白设计师福音：Stable Diffusion 16款插件测评，好用不？推荐吗？

#11088;️ 易上手程度：⭐️ 使用频率：⭐️ 能做什么：Additional Networks 是一个由 Google AI

SD 插件文生图

<1 2 345 6 7 8 9 10 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1