正在加载视频...

视频加载失败

返回首页

又发现 GitHub 上一款开源强大的文本转语音工具：Abogen。 能快速将 ePub、PDF 或文本文件转换成高质量音频，并生成匹配的字幕。 GitHub： 主要特性： - 支持 ePub、PDF、TXT 多种文件格式输入 - 基于 Kokoro-82M 模型生成自然流畅语音 - 自动生成时间同步字幕文件 - 内置语音混合器创建个性化声音 - 支持多种语言包括中文、英文、日语等 - 批量队列处理多个文件 提供 Windows 一键安装器，同时支持 pip 安装和 Docker 部署方式。

GitHub_Daily's profile picture

GitHubDaily

65,432 subscribers

31,126 次观看 • 1 年前 •via X (Twitter)

健康养生科学技术教育
LIVE

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

#工程师工具 看到一个在线文字转语音的工具「TTSMaker」，提供语音合成服务，支持多种语言以及各种风格，可以用它朗读文本或者合成视频声音，可完全免费用于商业场景，弄好后直接下载文件，普通用户每周限制 20000 个字符使用，基本够用。 🤖
0:16

#工程师工具 看到一个在线文字转语音的工具「TTSMaker」，提供语音合成服务，支持多种语言以及各种风格，可以用它朗读文本或者合成视频声音，可完全免费用于商业场景，弄好后直接下载文件，普通用户每周限制 20000 个字符使用，基本够用。 🤖

Tw93

105,715 次观看 • 3 年前

找了很久的本地格式转换工具，终于找到完美方案。 VERT - 开源转换神器 ✓ 完全本地运行(基于 WebAssembly) ✓ 无文件大小限制 ✓ 支持 250+ 格式:图片/音频/文档/视频 ✓ Docker 一键部署 + 中文支持 ✓ 界面简洁(Svelte 开发) 特别适合: - 批量转 WebP 减少网站体积 - 处理敏感文件不想上传云端
0:13

找了很久的本地格式转换工具，终于找到完美方案。 VERT - 开源转换神器 ✓ 完全本地运行(基于 WebAssembly) ✓ 无文件大小限制 ✓ 支持 250+ 格式:图片/音频/文档/视频 ✓ Docker 一键部署 + 中文支持 ✓ 界面简洁(Svelte 开发) 特别适合: - 批量转 WebP 减少网站体积 - 处理敏感文件不想上传云端

katon

23,717 次观看 • 10 个月前

在 GitHub 上发现一款完全本地运行的开源 AI 助手：Eclaire，集成了超多 AI 功能。 支持文档、图片、笔记、书签等数据类型的统一管理，并通过本地 LLM 模型提供问答对话。 同时内置强大的文档处理能力，支持 PDF、Docx、PNG 等多种格式。 GitHub： 除此之外，还有 OCR 文字识别、批量格式转换等 AI 功能。 通过 Docker 一键部署使用，支持 macOS、Linux、Windows 系统，并提供 API 接口，兼容 OpenAI 标准格式。
0:13

在 GitHub 上发现一款完全本地运行的开源 AI 助手：Eclaire，集成了超多 AI 功能。 支持文档、图片、笔记、书签等数据类型的统一管理，并通过本地 LLM 模型提供问答对话。 同时内置强大的文档处理能力，支持 PDF、Docx、PNG 等多种格式。 GitHub： 除此之外，还有 OCR 文字识别、批量格式转换等 AI 功能。 通过 Docker 一键部署使用，支持 macOS、Linux、Windows 系统，并提供 API 接口，兼容 OpenAI 标准格式。

GitHubDaily

26,739 次观看 • 1 年前

一款轻量级的音频转文本开源免费工具：Youtube-Whisper。 只需输入 YouTube 视频链接，即可提取其中音频，并利用 OpenAI Whisper 模型进行语音转文本。 GitHub： 工具提供了在线免费体验地址，可选择英语、西班牙语、法语等语言。 在线体验：
0:16

一款轻量级的音频转文本开源免费工具：Youtube-Whisper。 只需输入 YouTube 视频链接，即可提取其中音频，并利用 OpenAI Whisper 模型进行语音转文本。 GitHub： 工具提供了在线免费体验地址，可选择英语、西班牙语、法语等语言。 在线体验：

高军

29,790 次观看 • 2 年前

8. VoiceMaker： VoiceMaker是一个可以将文本转换为130多种语言的逼真声音的AI工具，提供800多种AI声音、可自定义的设置和商业使用权，方便快捷地进行语音配音创作。 🔗
0:18

8. VoiceMaker： VoiceMaker是一个可以将文本转换为130多种语言的逼真声音的AI工具，提供800多种AI声音、可自定义的设置和商业使用权，方便快捷地进行语音配音创作。 🔗

美酱AI

30,143 次观看 • 1 年前

Glarity 插件 - 基于 ChatGPT 和 YouTube 字幕生成视频摘要 不得不说，这个插件实在是太强了，可以提前预定我的年度插件之选了😆 ✅ 提取文章内容 ✅ 生成大量文本的概要或总结 ✅ 用中文总结各种语言视频 🔗安装链接：
0:10

Glarity 插件 - 基于 ChatGPT 和 YouTube 字幕生成视频摘要 不得不说，这个插件实在是太强了，可以提前预定我的年度插件之选了😆 ✅ 提取文章内容 ✅ 生成大量文本的概要或总结 ✅ 用中文总结各种语言视频 🔗安装链接：

千寻｜AI 分享 🌸

48,000 次观看 • 3 年前

又发现一款跨设备文件分享的开源免费工具：Croc，可以放弃使用网盘或硬盘了。 无需在同一网络下，允许任意两台电脑之间传输文件或文件夹，不限制大小，并提供端到端加密，更安全更快速地分享。 GitHub： 除此之外，还支持多文件传输，以及中断后的断点续传功能。 支持 Windows、Linux 和 macOS 一键安装使用。
0:17

又发现一款跨设备文件分享的开源免费工具：Croc，可以放弃使用网盘或硬盘了。 无需在同一网络下，允许任意两台电脑之间传输文件或文件夹，不限制大小，并提供端到端加密，更安全更快速地分享。 GitHub： 除此之外，还支持多文件传输，以及中断后的断点续传功能。 支持 Windows、Linux 和 macOS 一键安装使用。

GitHubDaily

53,688 次观看 • 1 年前

不会剪视频的人，真的等到救星了！ 这个工具搞定语音转文字、翻译、配音、字幕生成和变声。 完全免费开源，在你电脑本地跑，不用上传到云端 GitHub:
0:16

不会剪视频的人，真的等到救星了！ 这个工具搞定语音转文字、翻译、配音、字幕生成和变声。 完全免费开源，在你电脑本地跑，不用上传到云端 GitHub:

三个三

30,648 次观看 • 1 个月前

又又又开源一个skill 【英语谐音助记skill】主要是帮你把英语的发音转化成中文的谐音，然后用中文的谐音去编一个有助于记忆的故事 用于教育行业 收录了英语的音标，以及对应的谐音字 这样AI就可以很稳定产出，你基于此可以二创出很多玩法
0:19

又又又开源一个skill 【英语谐音助记skill】主要是帮你把英语的发音转化成中文的谐音，然后用中文的谐音去编一个有助于记忆的故事 用于教育行业 收录了英语的音标，以及对应的谐音字 这样AI就可以很稳定产出，你基于此可以二创出很多玩法

蛋黄堡

13,645 次观看 • 1 个月前

阿里刚刚开源了TTS：Fun-CosyVoice3 0.5B，zero-shot音色克隆，可本地部署 还开源了款ASR【Fun-ASR-Nano 0.8B】，Fun-ASR的轻量化版本，推理成本更低，可以本地及定制化微调 另外，Fun-CosyVoice3模型做了升级，首包延迟比之前降低了50%，WER降低了56.4%，复杂场景字符错误率降低了26% 支持9种通用语言、18种中文方言、9种情感控制，可以跨语种音色复刻，比如说，用一段普通话录音可生成粤语、日语、英语等 支持双向流式合成，“输入即发声”，这个适用于语音助手、直播配音、无障碍阅读等等实时场景 Fun-ASR也升级了，噪声场景下准确率到了93%，新增歌词与说唱识别能力，支持31种语言自由混说无需预先指定语种 覆盖7大方言和26种地方口音，流式识别模型的首字延迟降低到了160ms #TTS #ASR
0:18

阿里刚刚开源了TTS：Fun-CosyVoice3 0.5B，zero-shot音色克隆，可本地部署 还开源了款ASR【Fun-ASR-Nano 0.8B】，Fun-ASR的轻量化版本，推理成本更低，可以本地及定制化微调 另外，Fun-CosyVoice3模型做了升级，首包延迟比之前降低了50%，WER降低了56.4%，复杂场景字符错误率降低了26% 支持9种通用语言、18种中文方言、9种情感控制，可以跨语种音色复刻，比如说，用一段普通话录音可生成粤语、日语、英语等 支持双向流式合成，“输入即发声”，这个适用于语音助手、直播配音、无障碍阅读等等实时场景 Fun-ASR也升级了，噪声场景下准确率到了93%，新增歌词与说唱识别能力，支持31种语言自由混说无需预先指定语种 覆盖7大方言和26种地方口音，流式识别模型的首字延迟降低到了160ms #TTS #ASR

AIGCLINK

35,508 次观看 • 9 个月前

这是一个开源 PDF 编辑器，在GitHub 上已经斩获夸张的8.8w+star 它在浏览器、桌面、服务器全平台都能部署运行，包含60多种 PDF 工具 支持合并拆分、格式转换、OCR识别、签名加密、批注编辑，还支持40种语言界面和自动化工作流，企业团队也能直接扩展使用 所有文件全程本地处理，不上传任何第三方服务器，适合对隐私敏感的场景
0:17

这是一个开源 PDF 编辑器，在GitHub 上已经斩获夸张的8.8w+star 它在浏览器、桌面、服务器全平台都能部署运行，包含60多种 PDF 工具 支持合并拆分、格式转换、OCR识别、签名加密、批注编辑，还支持40种语言界面和自动化工作流，企业团队也能直接扩展使用 所有文件全程本地处理，不上传任何第三方服务器，适合对隐私敏感的场景

阿西_出海

18,448 次观看 • 1 个月前

千问开源Qwen3-TTS 除了常规的文本生成语音，还支持设计声音和语音克隆。分0.6B和1.7B两个大小。效果不错，速度也很快。语音克隆的音色还原还可以，但是情感还原上不如Index TTS2。 模型： 在线体验：
0:16

千问开源Qwen3-TTS 除了常规的文本生成语音，还支持设计声音和语音克隆。分0.6B和1.7B两个大小。效果不错，速度也很快。语音克隆的音色还原还可以，但是情感还原上不如Index TTS2。 模型： 在线体验：

Gorden Sun

18,202 次观看 • 8 个月前

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成
0:13

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

AIGCLINK

22,827 次观看 • 5 个月前

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：
0:11

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：

Gorden Sun

27,125 次观看 • 6 个月前

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。
0:11

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。

暖暖爱AI

41,471 次观看 • 7 个月前

如何高效获取中英文区最有价值的信息流？ 这两个是社区普遍推荐的免费开源工具，能自动抓取中英文区全网热点、AI筛选高价值内容、生成翻译+深度分析简报并一键推送👇 1. TrendRadar（58k+ stars） 中文区：自动抓取知乎、抖音、B站、微博、今日头条等11+主流平台 + RSS热点，AI筛选高价值内容，生成分析简报，支持微信/TG/飞书/钉钉/Bark推送 GitHub： 2. Horizon（4.6k+ stars） 英文区：自动抓取Hacker News、Reddit、X、GitHub Release、Telegram等海外平台，AI 自动过滤噪音+去重+神评论提取+背景补全，生成中英双语日报，一键推送飞书/邮箱/GitHub Pages GitHub： 一个搞定中文信息流，一个搞定英文信息流，直接喂给你的agent安装部署即可🥸
0:11

如何高效获取中英文区最有价值的信息流？ 这两个是社区普遍推荐的免费开源工具，能自动抓取中英文区全网热点、AI筛选高价值内容、生成翻译+深度分析简报并一键推送👇 1. TrendRadar（58k+ stars） 中文区：自动抓取知乎、抖音、B站、微博、今日头条等11+主流平台 + RSS热点，AI筛选高价值内容，生成分析简报，支持微信/TG/飞书/钉钉/Bark推送 GitHub： 2. Horizon（4.6k+ stars） 英文区：自动抓取Hacker News、Reddit、X、GitHub Release、Telegram等海外平台，AI 自动过滤噪音+去重+神评论提取+背景补全，生成中英双语日报，一键推送飞书/邮箱/GitHub Pages GitHub： 一个搞定中文信息流，一个搞定英文信息流，直接喂给你的agent安装部署即可🥸

梭哈.AI

69,874 次观看 • 4 个月前