conversor-voz-a-voz

Módulo de conversión de voz a voz de código abierto

Producto ComúnProgramaciónReconocimiento de vozProcesamiento del lenguaje natural

conversor-voz-a-voz es un proyecto modular GPT4-o de código abierto que realiza la conversión de voz a voz a través de una secuencia de partes: detección de actividad de voz, conversión de voz a texto, modelo de lenguaje y conversión de texto a voz. Utiliza la librería Transformers y modelos disponibles en Hugging Face Hub, ofreciendo una alta modularidad y flexibilidad.

Best AI Websites & Tools

conversor-voz-a-voz

conversor-voz-a-voz Situación del tráfico más reciente

conversor-voz-a-voz Tendencia de visitas

conversor-voz-a-voz Distribución geográfica de las visitas

conversor-voz-a-voz Fuentes de tráfico

conversor-voz-a-voz Alternativas

conversor-voz-a-voz — Módulo de conversión de voz a voz de código abierto

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

Deepgram Voice Agent API — Inteligencia artificial conversacional en tiempo real, con acceso a través de API con un solo clic.

Mini-Omni — Modelo de lenguaje grande multi-modal de código abierto, compatible con entrada de voz en tiempo real y salida de audio en streaming.

OpenVoiceChat — Conversación de voz natural con modelos de lenguaje grandes.

WeST — Transcrición de voz basada en LLM con 300 líneas de código.

FunAudioLLM — Modelo base para la comprensión y generación de voz con interacción natural

NeoBase — NeoBase es un asistente de base de datos de IA de código abierto que le permite interactuar con bases de datos utilizando lenguaje natural.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

bRAG-langchain — Un proyecto de código abierto para construir aplicaciones de Generación Aumentada por Recuperación (RAG).

Moonlight — Moonlight es un modelo de experto mixto (MoE) de 16B parámetros, entrenado con el optimizador Muon, que ofrece un rendimiento excepcional.

FireRedASR-AED-L — Modelo de reconocimiento automático del habla (ASR) industrial de código abierto, compatible con mandarín, dialectos chinos e inglés, con un rendimiento excepcional.

FireRedASR — Modelo de Reconocimiento Automático del Habla (RAH) en mandarín estándar de nivel industrial de código abierto, compatible con múltiples escenarios de aplicación.

RAG-FiT — RAG-FiT es una biblioteca diseñada para mejorar la capacidad de los LLMs (Modelos de Lenguaje Grande) de utilizar información externa mediante el ajuste fino del modelo con un conjunto de datos RAG (Recuperación Aumentada de Generación) especialmente creado.

s1-32B — s1 es un modelo de inferencia ajustado con Qwen2.5-32B-Instruct, entrenado con solo 1000 ejemplos.

node-DeepResearch — Busca y lee páginas web continuamente hasta encontrar la respuesta (o hasta agotar el presupuesto de tokens).

Tülu 3 405B — Tülu 3 405B es un modelo de lenguaje abierto de gran escala, cuyo rendimiento se ha mejorado mediante aprendizaje por refuerzo.

Open R1 — Este es un proyecto de reproducción de un modelo DeepSeek-R1 completamente abierto, diseñado para ayudar a los desarrolladores a reproducir y construir modelos basados en R1.

Janus-Pro-1B — Janus-Pro-1B es un marco autorregresivo unificado de comprensión y generación multimodal.

SpeechGPT 2.0-versión preliminar — Primer sistema de interacción en tiempo real a nivel humano orientado a la inteligencia contextual, que admite la interacción de voz con múltiples emociones y estilos.

Baichuan-M1-14B — Modelo de lenguaje extenso de código abierto desarrollado por Baichuan Intelligence, optimizado específicamente para escenarios médicos. Posee una capacidad general excepcional y un rendimiento superior en el ámbito médico.

DeepSeek-R1-Distill-Qwen-1.5B — DeepSeek-R1-Distill-Qwen-1.5B es un modelo de lenguaje de código abierto de alta eficiencia de inferencia, adecuado para diversas tareas de procesamiento del lenguaje natural.

kokoro-onnx — Proyecto de texto a voz (TTS) basado en el motor de ejecución Kokoro y ONNX.

RealtimeSTT — Una biblioteca robusta, eficiente y de baja latencia para la conversión de voz a texto, con detección avanzada de actividad de voz, activación por palabra clave y transcripción instantánea.

Audiblez — Herramienta para convertir libros electrónicos en audiolibros.

xiaozhi-esp32 — Proyecto de chatbot de IA basado en ESP32, capaz de realizar conversaciones multilingües y reconocimiento de voz.

YuLan-Mini — Un modelo de lenguaje ligero y de alta eficiencia con 240 millones de parámetros.

Sistema de Avatares Digitales con IA de Código Abierto AIGCPanel — Sistema integral de avatares digitales con IA que admite la síntesis de vídeo, la síntesis de voz y la clonación de voz.

DeepSeek-V3 — Un modelo de lenguaje Mixture-of-Experts con 671B parámetros.