【原】7款少有人知的語(yǔ)音轉(zhuǎn)文字黑科技軟件，開(kāi)源免費(fèi)強(qiáng)大！

語(yǔ)倅樓 2025-01-04 發(fā)布于上海

展開(kāi)全文

編輯/排版：卒見(jiàn)

現(xiàn)在我們工作會(huì)議的時(shí)，都會(huì)用到錄音轉(zhuǎn)文字工具，我個(gè)人也會(huì)在工作和娛樂(lè)的時(shí)候用到這些工具，這里就給大家分享幾款不一樣的語(yǔ)音轉(zhuǎn)文字工具，都是免費(fèi)、開(kāi)源項(xiàng)目！

Voice-Pro

AI 語(yǔ)音轉(zhuǎn)換和多語(yǔ)言翻譯工具

Voice-Pro 是一款由AI驅(qū)動(dòng)的Web開(kāi)源應(yīng)用程序，旨在徹底改變多媒體內(nèi)容處理。

它集轉(zhuǎn)錄、翻譯和文字轉(zhuǎn)語(yǔ)音為一體，提供簡(jiǎn)潔直觀的可視化操作界面，支持實(shí)時(shí)轉(zhuǎn)錄和翻譯，以及批量處理模式。

它具有 YouTube 視頻下載、語(yǔ)音分離、語(yǔ)音識(shí)別、翻譯和文本轉(zhuǎn)語(yǔ)音的全面功能。

Voice-Pro 安裝。

①運(yùn)行configure.bat 并start.bat

②克隆或下載最新版本（源代碼 zip）GitHub 版本

git clone https://github.com/abus-aikorea/voice-pro.git

③運(yùn)行configure.bat，在 Windows 上安裝 git、ffmpeg 和 CUDA

④連接互聯(lián)網(wǎng)，這個(gè)過(guò)程可能需要一個(gè)多小時(shí)，看系統(tǒng)情況。

⑤在安裝過(guò)程中，請(qǐng)勿關(guān)閉 Windows-Command 窗口。

⑥啟動(dòng) Voice-Pro。Web-UI 將自動(dòng)運(yùn)行。

首次運(yùn)行時(shí)，請(qǐng)先安裝 Voice-Pro。

如果在安裝過(guò)程中出現(xiàn)問(wèn)題，請(qǐng)刪除 installer_files 文件夾并再次運(yùn)行 start.bat。

該項(xiàng)目是用于音頻處理的綜合 Gradio WebUI，具有 Voice Changer、零樣本語(yǔ)音克?。‥2、F5-TTS）、YouTube 下載、語(yǔ)音隔離（UVR5）、文本轉(zhuǎn)語(yǔ)音（Edge-TTS）和多語(yǔ)言翻譯。適用于內(nèi)容創(chuàng)建者和開(kāi)發(fā)人員。

Voice-Pro源代碼：

https://pan./s/ccbde0108f7f

開(kāi)源地址：

https://github.com/abus-aikorea/voice-pro

PodCastLM

PDF 生成中文播客！

一款開(kāi)源免費(fèi)的工具，可以將 PDF 內(nèi)容轉(zhuǎn)化為適合音頻播客的自然對(duì)話，并輸出為 MP3 文件。

操作很簡(jiǎn)單：

①我們可以直接將需要轉(zhuǎn)換的內(nèi)容上傳到操作頁(yè)面，這里可上傳1M以內(nèi)的PDF文件；

②然后設(shè)置語(yǔ)氣、時(shí)長(zhǎng)等，生成播客，你可以查看到文本總結(jié)內(nèi)容，以及整理后的腳本內(nèi)容！

③點(diǎn)擊底部音頻按鈕，即可播放當(dāng)前整理好的內(nèi)容！

開(kāi)源地址：

https://github.com/YOYZHANG/PodCastLM

在線地址：https://ai.

video-srt-windows

自動(dòng)識(shí)別視頻語(yǔ)音生成字幕文件的工具

video-srt-windows是一個(gè)可以識(shí)別視頻語(yǔ)音自動(dòng)生成字幕SRT文件的開(kāi)源 Windows-GUI 軟件工具。

它采用 Go+walk 開(kāi)發(fā)，僅支持 Windows 系統(tǒng)?；A(chǔ)原理是請(qǐng)求在線語(yǔ)音轉(zhuǎn)文字的服務(wù)，超出免費(fèi)額度需付費(fèi)。另外還加入了導(dǎo)出字幕文件和翻譯功能。

VideoSrt下載：

https://pan./s/ebd97ead46e3

開(kāi)源地址：

https://github.com/wxbool/video-srt-windows

https:///gh_mirrors/vi/video-srt-windows

buzz

音頻轉(zhuǎn)錄與翻譯工具，可以在你的個(gè)人計(jì)算機(jī)上離線轉(zhuǎn)錄和翻譯音頻服務(wù)。

該項(xiàng)目是基于 Whisper 的音頻轉(zhuǎn)錄和翻譯工具，開(kāi)箱即用、操作簡(jiǎn)單，支持語(yǔ)音轉(zhuǎn)文字、音頻翻譯、多種語(yǔ)言和離線使用！

Mac 原生版本的 Buzz，具有更簡(jiǎn)潔的外觀、音頻播放、拖放導(dǎo)入、轉(zhuǎn)錄文本編輯、搜索等功能。它同時(shí)適用于Windows 和 Linux 平臺(tái)。

功能支持：

①導(dǎo)入音頻和視頻文件并將轉(zhuǎn)錄文本導(dǎo)出為 TXT、SRT 和 VTT（演示)

②從計(jì)算機(jī)的麥克風(fēng)轉(zhuǎn)錄和翻譯為文本

③支持Whisper、Whisper.cpp、Faster Whisper、Whisper兼容的 Hugging Face 模型，以及 OpenAI Whisper API

④命令行界面

Buzz v1.2.0下載：

https://pan./s/8c08670cfe56

開(kāi)源地址：

https://github.com/chidiwilliams/buzz

ChatTTS

SOTA 開(kāi)源 TTS，強(qiáng)大的對(duì)話式文本轉(zhuǎn)語(yǔ)音模型，專(zhuān)門(mén)為對(duì)話場(chǎng)景設(shè)計(jì)，支持中、英雙語(yǔ)。生成較短的語(yǔ)音效果很好，無(wú)機(jī)械感！

它主要用于 LLM 助手對(duì)話任務(wù)、對(duì)話語(yǔ)音以及視頻介紹等，支持中英文混合文本合成語(yǔ)音，音色表現(xiàn)強(qiáng)，能達(dá)到真假難辨程度。

它不僅能夠生成自然、流暢的語(yǔ)音，還能控制和添加笑聲、停頓和語(yǔ)氣詞等。

ChatTTS源代碼：

https://pan./s/48101f70fc83

開(kāi)源地址：

https://github.com/2noise/ChatTTS

fish-speech

所有人都能用的開(kāi)源語(yǔ)音合成模型

該項(xiàng)目是由 Fish Audio 開(kāi)發(fā)的基于 VQGAN+Llama 的文本轉(zhuǎn)語(yǔ)音模型，它僅需 4GB 顯存即可在個(gè)人設(shè)備上輕松運(yùn)行和微調(diào)(16GB)，支持中英日語(yǔ)和音色調(diào)整，語(yǔ)音合成效果出色。

fish-speech源代碼：

https://pan./s/cf829869e7f0

開(kāi)源地址：

https://github.com/fishaudio/fish-speech

GPT-SoVITS

少樣本語(yǔ)音轉(zhuǎn)換和合成工具

強(qiáng)大的少樣本語(yǔ)音轉(zhuǎn)換和語(yǔ)音合成 WebUI 工具，輸入 5 秒的聲音樣本就能體驗(yàn)文本到語(yǔ)音轉(zhuǎn)換。支持少樣本 TTS、英語(yǔ)、日語(yǔ)和中文，集成了聲音伴奏分離、中文自動(dòng)語(yǔ)音識(shí)別和文本標(biāo)注等功能。

特色功能：

零點(diǎn)TTS：輸入5秒的人聲樣本并體驗(yàn)即時(shí)文本到語(yǔ)音轉(zhuǎn)換。

少發(fā)TTS：只需1分鐘的訓(xùn)練數(shù)據(jù)即可微調(diào)模型，以提高語(yǔ)音相似度和真實(shí)感。

跨語(yǔ)言支持：使用與訓(xùn)練數(shù)據(jù)集不同的語(yǔ)言進(jìn)行推理，目前支持英語(yǔ)、日語(yǔ)、韓語(yǔ)、粵語(yǔ)和中文。

WebUI 工具：集成工具包括語(yǔ)音伴奏分離、自動(dòng)訓(xùn)練集分割、中文 ASR 和文本標(biāo)注，幫助初學(xué)者創(chuàng)建訓(xùn)練數(shù)據(jù)集和 GPT/SoVITS 模型。

開(kāi)源地址：

https://github.com/RVC-Boss/GPT-SoVITS

kua鏈：

https://pan./s/cf509d794f54

du鏈：

https://pan.baidu.com/s/1AQwPg3B60RlozShq97h4_g?pwd=gecp

提取碼: gecp