正在加载视频...

视频加载失败

返回首页

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译

aigclink's profile picture

AIGCLINK

37,159 subscribers

42,424 次观看 • 1 年前 •via X (Twitter)

健康养生教育科学技术
LIVE

Anya Rossi• Live Now

Private livecam show

5 条评论

linux6210 的头像
linux62101 年前

核心代码是被编译了。是个闭源。

OSDev 的头像
OSDev1 年前

rst @readwise save thread

Einstein 的头像
Einstein1 年前

搬运器

Flyfishbrother 的头像
Flyfishbrother1 年前

👍👍

Learn English with Neo 的头像
Learn English with Neo1 年前

转换之后音色差别很大

相关视频

上海交大和微软开源的一款【端到端的语音到语音翻译系统：TransVIP】，它可以保持原声特征、保持源语音和目标语音时长同步 它的声音特点和说话的节奏感保持的非常不错，比较自然流畅，时长控制的也比较精确，很适合做视频配音、跨语言直播或实时语音翻译 直接从源语音到目标语音，无需中间步骤，处理延迟低 源语音和目标语音时长保持一致，可以避免口型不同步问题 项目： github： #AI实时翻译 #TransVIP
0:34

上海交大和微软开源的一款【端到端的语音到语音翻译系统：TransVIP】，它可以保持原声特征、保持源语音和目标语音时长同步 它的声音特点和说话的节奏感保持的非常不错，比较自然流畅，时长控制的也比较精确，很适合做视频配音、跨语言直播或实时语音翻译 直接从源语音到目标语音，无需中间步骤，处理延迟低 源语音和目标语音时长保持一致，可以避免口型不同步问题 项目： github： #AI实时翻译 #TransVIP

AIGCLINK

56,071 次观看 • 1 年前

Memo AI 重磅更新，可以帮你把外语视频、播客、字幕变成中文来播放。 - 无缝切换原声和合成音播放 - 支持多种语言以及音色 - 自动断句+ AI 翻译保证翻译效果
0:27

Memo AI 重磅更新，可以帮你把外语视频、播客、字幕变成中文来播放。 - 无缝切换原声和合成音播放 - 支持多种语言以及音色 - 自动断句+ AI 翻译保证翻译效果

Memo AI

125,238 次观看 • 3 年前

再来一款视频中文化工具：YouDub-webui YouDub-webui提供了一套完整的视频中文化工具包，涵盖了从视频下载、语音识别、字幕翻译、AI声音克隆、视频处理、自动上传等一系列流程 1、视频下载: 支持通过链接直接下载 YouTube 视频，包括单个视频、播放列表以及频道内的多个视频 2、AI声音克隆: 通过AI 声音克隆技术生成与原视频配音相似的中文语音 3、视频处理: 综合了音视频同步处理、字幕添加、视频播放速度调整和帧率设置等功能 4、自动上传: 支持不离开YouDub-webui 情况下，将视频上传到 Bilibili github： #AI视频翻译 #短视频搬运 #AI视频语言转化 中文视频是处理后的效果
1:21

再来一款视频中文化工具：YouDub-webui YouDub-webui提供了一套完整的视频中文化工具包，涵盖了从视频下载、语音识别、字幕翻译、AI声音克隆、视频处理、自动上传等一系列流程 1、视频下载: 支持通过链接直接下载 YouTube 视频，包括单个视频、播放列表以及频道内的多个视频 2、AI声音克隆: 通过AI 声音克隆技术生成与原视频配音相似的中文语音 3、视频处理: 综合了音视频同步处理、字幕添加、视频播放速度调整和帧率设置等功能 4、自动上传: 支持不离开YouDub-webui 情况下，将视频上传到 Bilibili github： #AI视频翻译 #短视频搬运 #AI视频语言转化 中文视频是处理后的效果

AIGCLINK

103,022 次观看 • 2 年前

推荐一个黑科技：pyvideotrans pyvideotrans这个GitHub项目用于将视频内容从一种语言翻译到另一种语言，并添加配音。目标是提供视频翻译和配音的自动化解决方案，主要包括文本到语音、语音到文本和视频转换的功能等等。 GitHub： 官网：
1:29

推荐一个黑科技：pyvideotrans pyvideotrans这个GitHub项目用于将视频内容从一种语言翻译到另一种语言，并添加配音。目标是提供视频翻译和配音的自动化解决方案，主要包括文本到语音、语音到文本和视频转换的功能等等。 GitHub： 官网：

知识分享官

43,592 次观看 • 2 年前

MaskGCT：一个新的零样本文本到语音（TTS）模型 支持跨语言翻译配音、语音克隆、语言转换、情感控制等 与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。 支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。 同时模型大幅降低了推理时间，适合实时应用​。
1:55

MaskGCT：一个新的零样本文本到语音（TTS）模型 支持跨语言翻译配音、语音克隆、语言转换、情感控制等 与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。 支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。 同时模型大幅降低了推理时间，适合实时应用​。

小互

49,431 次观看 • 1 年前

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS Seed-TTS能生成与人类语音几乎没有区别的语音 支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。 能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音 github： 论文： #TTS #SeedTTS #字节跳动
1:12

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS Seed-TTS能生成与人类语音几乎没有区别的语音 支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。 能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音 github： 论文： #TTS #SeedTTS #字节跳动

AIGCLINK

13,368 次观看 • 2 年前

卧槽，发现一个好东西 视频翻译，字幕，配音，语音克隆，一体方案 KrillinAI - 免费免费免费 - 出海开发酱可以替代剪映了 • 支持多种语言，英语和中文都不错（王炸功能） • 支持 Win 和 Mac，下载即用 • 一键启动 - 即刻开启你的工作流 • 视频导入 - 支持 yt-dlp 下载和本地文件上传 • 精准字幕 - 基于 Whisper 的高精度识别 • 智能分段 - 基于 LLM 的字幕分段与对齐 • 专业翻译 - 按段翻译，确保上下文一致性 • 术语替换 - 一键替换领域专用词汇 • 配音与声音克隆 - 支持 CosyVoice 选音或声音克隆 • 视频合成 - 自动适配横屏/竖屏等格式 可以看下视频里面的 TTS 效果，非常不错。
1:27

卧槽，发现一个好东西 视频翻译，字幕，配音，语音克隆，一体方案 KrillinAI - 免费免费免费 - 出海开发酱可以替代剪映了 • 支持多种语言，英语和中文都不错（王炸功能） • 支持 Win 和 Mac，下载即用 • 一键启动 - 即刻开启你的工作流 • 视频导入 - 支持 yt-dlp 下载和本地文件上传 • 精准字幕 - 基于 Whisper 的高精度识别 • 智能分段 - 基于 LLM 的字幕分段与对齐 • 专业翻译 - 按段翻译，确保上下文一致性 • 术语替换 - 一键替换领域专用词汇 • 配音与声音克隆 - 支持 CosyVoice 选音或声音克隆 • 视频合成 - 自动适配横屏/竖屏等格式 可以看下视频里面的 TTS 效果，非常不错。

Elliot 艾略特

117,679 次观看 • 1 年前

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换 带界面，支持在线录音 支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice
0:50

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换 带界面，支持在线录音 支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice

AIGCLINK

62,667 次观看 • 1 年前

OpenAI公布其语音生成模型：Voice Engine 根据文本输入和一个15秒的音频样本，就能生成接近原始说话者声音的自然听起来的语音。 Voice Engine最初于2022年底开发，并已经提供给包括Heygen在内的少数公司进行测试性使用。 主要功能 1、自然听起来的语音生成：利用单个15秒的音频样本，Voice Engine能够创造出既情感丰富又真实的语音，显著提升合成语音的自然度和真实感。 2、支持多种用途：从教育援助、内容翻译、提高偏远地区服务质量，到支持非语言人士和帮助患者恢复声音，Voice Engine的应用场景广泛，跨越多个行业。 3、语言和口音的保留：在内容翻译时，Voice Engine能够保留原始发言者的本地口音，使得翻译后的语音不仅流利还能保持原声音的特色。 4、多语种支持：能够生成多种语言的语音输出，适应全球化需求，特别是对于需要将内容本地化到不同语言市场的企业和内容创作者来说，这一特点尤为重要。 详细：
0:59

OpenAI公布其语音生成模型：Voice Engine 根据文本输入和一个15秒的音频样本，就能生成接近原始说话者声音的自然听起来的语音。 Voice Engine最初于2022年底开发，并已经提供给包括Heygen在内的少数公司进行测试性使用。 主要功能 1、自然听起来的语音生成：利用单个15秒的音频样本，Voice Engine能够创造出既情感丰富又真实的语音，显著提升合成语音的自然度和真实感。 2、支持多种用途：从教育援助、内容翻译、提高偏远地区服务质量，到支持非语言人士和帮助患者恢复声音，Voice Engine的应用场景广泛，跨越多个行业。 3、语言和口音的保留：在内容翻译时，Voice Engine能够保留原始发言者的本地口音，使得翻译后的语音不仅流利还能保持原声音的特色。 4、多语种支持：能够生成多种语言的语音输出，适应全球化需求，特别是对于需要将内容本地化到不同语言市场的企业和内容创作者来说，这一特点尤为重要。 详细：

小互

38,133 次观看 • 2 年前

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。
1:06

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。

小互

22,976 次观看 • 11 个月前

B 站部分视频支持原生日语翻译了😋😋😋 我参加了 B 站的原声翻译 AI 训练计划，现在部分视频可以原声播英语和日语语音了
2:36

B 站部分视频支持原生日语翻译了😋😋😋 我参加了 B 站的原声翻译 AI 训练计划，现在部分视频可以原声播英语和日语语音了

江灵夏草

15,698 次观看 • 21 天前

再次推荐这个一站式翻译 Youtube 语音内容的宝藏插件！真的是太实用了👍 这个插件能够将 Youtube 视频中的语音内容实时翻译成你所需的语言，支持英语、德语、日语、法语、西班牙语等多种常见语种 🤖️插件链接： 给大家简单录制操作步骤👇
0:20

再次推荐这个一站式翻译 Youtube 语音内容的宝藏插件！真的是太实用了👍 这个插件能够将 Youtube 视频中的语音内容实时翻译成你所需的语言，支持英语、德语、日语、法语、西班牙语等多种常见语种 🤖️插件链接： 给大家简单录制操作步骤👇

千寻｜AI 分享 🌸

218,418 次观看 • 2 年前

小米最新开源的能覆盖600+语种的语音克隆TTS：OmniVoice，在中英文和多语言benchmark上关键指标达到SOTA 在Seed-TTS中文测试集上的WER为0.84%；在多语言benchmark上，SIM-o和WER超过ElevenLabs v2和MiniMax RTF低至0.025，合成效率比实时快40倍 其核心在于采用了扩散语言模型风格的离散非自回归架构，直接从文本生成语音，一步到位，跳过中间的语义token阶段 并且全码本随机掩码策略用于高效训练+预训练LLM初始化，确保语音清晰度和可懂度 支持3-10秒参考音频克隆，可以通过描述属性，性别、年龄、音调、口音等生成声音 支持非语言符号，比如[laughter]笑声，以及拼音/音标纠正发音 600+种语言覆盖，对于小语种保护比较有用，濒危语言可以用少量样本生成高质量语音，帮助语言数字化保存 #TTS #OmniVoice
0:32

小米最新开源的能覆盖600+语种的语音克隆TTS：OmniVoice，在中英文和多语言benchmark上关键指标达到SOTA 在Seed-TTS中文测试集上的WER为0.84%；在多语言benchmark上，SIM-o和WER超过ElevenLabs v2和MiniMax RTF低至0.025，合成效率比实时快40倍 其核心在于采用了扩散语言模型风格的离散非自回归架构，直接从文本生成语音，一步到位，跳过中间的语义token阶段 并且全码本随机掩码策略用于高效训练+预训练LLM初始化，确保语音清晰度和可懂度 支持3-10秒参考音频克隆，可以通过描述属性，性别、年龄、音调、口音等生成声音 支持非语言符号，比如[laughter]笑声，以及拼音/音标纠正发音 600+种语言覆盖，对于小语种保护比较有用，濒危语言可以用少量样本生成高质量语音，帮助语言数字化保存 #TTS #OmniVoice

AIGCLINK

15,791 次观看 • 5 个月前

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译
0:31

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

AIGCLINK

48,830 次观看 • 11 个月前