Confucius4-R2T2 WebGPU
mrfakename · 工具包
通过 WebGPU 在你的浏览器里把中文和英文语音转成文字，可以处理音频文件或实时麦克风。适合不想把音频发到服务器的人。
新上架
浏览 AI 技能、智能体和自动化
类别与筛选
没有商品同时包含“transcriptoin”的所有词。下面显示匹配“transcription”或“stt”或“speech to text”的结果。
商品
Arabic Auto Tashkeel
MohamedRashad · 工具包
通过 Gradio 应用给没有标记的阿拉伯语文本加上 tashkeel，也就是阿拉伯语元音符号。适合教师、学习者和做语音的开发者。
新上架
OmniVoice MLX
mlx-community · 工具包
通过社区的 MLX 后端用 OmniVoice 文字转语音模型朗读文本，适合想试用它或在 Apple 芯片 Mac 上运行它的人。
新上架
Teacher in the Loop
MithrilMan · 工具包
在浏览器里完整运行从 Kokoro-82M 蒸馏出来的 8M 参数小型语音合成声音，并附有对比各训练方案的音频样本。
新上架
YourMT3
mimbres · 工具包
在 Gradio 应用里运行 YourMT3 演示。它的文件夹名称指向把音频转成 MIDI 的音乐转录，适合处理音乐和音频模型的人。
新上架
Leokani-tts 7M
milliwattlabs · 工具包
用一个只有 7M 参数的小型语音合成模型朗读你输入的任何一句话，它在浏览器里用你自己的 CPU 运行，适合想要本地语音输出的人。
新上架
Music to MIDI
mason369 · 工具包
把音频文件转换成可编辑的 MIDI 或分离的 WAV 音轨，提供七种模式，包括多乐器和钢琴转写，适合音乐人和制作人。
新上架
TranskunGUI
Lollikit · 工具包
给 Transkun 钢琴转录模型配上一个简单的 Gradio 界面，让你在浏览器里把钢琴录音变成乐谱音符。适合音乐人、学生和开发者。
新上架
WaveGen
LeeSangHoon · 工具包
根据一段参考录音、它的准确文字稿和要朗读的文字，生成英语或普通话语音。在 ZeroGPU 上提供 WaveGen V-Spec 和 WaveGen-Flash 两个模型，输出 24 kHz 音频。
新上架
IPA Transcription Leaderboard
KoelLabs · 工具包
给把英语语音转成 IPA 音标的模型排名，评分基于母语、非母语和受损的语音。模型作者可以提交自己的模型，并跟踪评测进度。
新上架
Voice Clone Tts
Kansasfan · 工具包
一个静态网页，名字指向声音克隆和文字转语音，包含一个 HTML 页面、一个脚本和一个样式表。README 没有描述。只使用你有权使用的声音。
新上架
Transcripción automatica en aragonés
Juanpabl · 工具包
把阿拉贡语语音转成文字，可以上传音频文件，或用麦克风录一段最长 60 秒的录音。这是一个针对阿拉贡语微调的 Omnilingual LLM-3B 模型的演示。
新上架
Ming-3.0-tts-0.5B
hugging-apps · 工具包
在 Ming-3.0-tts-0.5B 模型的 Gradio 演示里，把文字转成多种语言的语音，支持声音克隆和声音设计。
新上架
Whisper Chileno
hablaip · 工具包
把智利西班牙语语音转成文字，用 LoRA 适配器在 Whisper large-v3 上针对呼叫中心音频调优。适合语音团队和呼叫中心开发者的演示。
新上架
Mira-TTS
Gapeleon · 工具包
在 Gradio 页面里用 MiraTTS 模型把文字转成语音。这是一个非官方演示，适合想在浏览器里试用这个模型，或自己运行它的人。
新上架
phonon-wasm
fusorlabs · 工具包
用 Phonon 31M 模型在浏览器里的你自己的 CPU 上把文字转成语音，边计算边输出音频。适合想把文字变成语音，又不想用服务器的人。
新上架
ming-wasm
fusorlabs · 工具包
用 Ming-3.0-tts-0.5B 模型在浏览器里的你自己的 CPU 上把文字转成语音。适合想把文字变成语音，又不想把文字发到服务器的人。
新上架
Fun-CosyVoice3-0.5B
FunAudioLLM · 工具包
在 Gradio 演示里把文字转成九种语言和多种中文方言的语音，支持零样本声音克隆，适合测试语音合成的人。
新上架
Oromo-TTS
eyob7 · 工具包
在 Gradio 页面里把奥罗莫语文字转成语音，使用 Space 自带的模型文件。适合奥罗莫语使用者、学习者，以及想听这门语言朗读的开发者。
新上架
Pocket TTS (CPU)
D3vShoaib · 工具包
在网页里把输入的文字转成语音，使用 Kyutai 的小型文字转语音模型，普通 CPU 就能运行，并可选择内置声音。适合不想用 GPU 的人。
新上架