来自 Hugging Face 的 AI 项目

Speech analysis

audeering · 工具包

对一段语音录音运行 audEERING 的两个 wav2vec2 模型，一个判断情绪，一个估计年龄和性别，并自带四段示例音频。这是面向语音研究者的 Gradio 演示。非商用许可。

Supertonic 3 TTS

arjunbroepic · 工具包

在普通 CPU 上用 Gradio 页面运行 Supertonic 3 文字转语音模型。适合想不用 GPU 就听听 Supertone 模型效果的开发者和好奇的用户。

Vevo for Zero-shot VC, TTS, and More

amphion · 工具包

无需针对某个说话人训练，就能根据参考音频模仿声音，用于语音转换和文字转语音。这是 Amphion 项目里 Vevo 模型的演示，适合研究者和音频开发者。

DuplexJev Speech to Decisions

adventists-ai · 工具包

读取一段语音，一次计算就返回关于它的十个判断，如话轮状态、插话和情绪，不做转写。适合语音智能体开发者和语音研究者。

Sygma ASR Arabic

abedbanna · 工具包

录制或接收阿拉伯语语音，把 Sygma 的解码和基础模型的贪心输出做对比，并给出词错误率的测试台。适合语音研究者和开发者。

Supertonic 3 (TTS)

Supertone · 工具包

Supertonic 3 文字转语音的网页演示，Supertone 称它快速、在设备上运行、支持多语言且准确。在浏览器里运行。适合想听听它的创作者和开发者。

SoulX FlashHead

Soul-AILab · 工具包

以流式方式演示 SoulX FlashHead 1.3B 模型，从名字和辅助模型看，它像是由语音驱动的头像视频。适合想试用它或阅读它代码的人。

Chatterbox Turbo Demo

ResembleAI · 工具包

Resemble AI 的 Chatterbox 语音模型的浏览器演示，包括 Turbo 版本。适合想在使用前先听听模型效果的创作者和开发者。

Vāgdhenu

prathoshap · 工具包

一个梵语吟诵的文字转语音演示，接受多种印度文字书写的诗句，让你选择格律，并渲染成音频。运行在 Hugging Face ZeroGPU 上。

HolosTTS: Ukrainian text to speech

patriotyk · 工具包

在浏览器里用 HolosTTS 模型朗读乌克兰语文本，该模型用包含多位说话人的乌克兰语数据集训练。适合处理乌克兰语音频的创作者、老师和开发者。

Egyptian Arabic TTS

omarelshehy · 工具包

在浏览器里用基于 Chatterbox 的 NAMAA 埃及阿拉伯语文字转语音模型朗读阿拉伯语文本。适合阿拉伯语内容制作者、开发者和想听听这个模型的研究者。

Parakeet Redux WebGPU

mrfakename · 工具包

在浏览器里用 WebGPU 把语音转成文字，提供两个大小不同的 Parakeet 模型。适合想在本地做语音识别的人，也适合研究浏览器端识别的开发者。

Fast Whisper Turbo

mrfakename · 工具包

在 Gradio 应用里运行 OpenAI 的 whisper-large-v3-turbo 语音识别模型，用于快速转写。适合需要把音频转成文字的人，以及想读一个简短 Whisper 封装的开发者。

GPT SoVITS V2 Pro Plus

lj1995 · 工具包

在零样本文字转语音的 Gradio 演示里，用一段 3 到 10 秒的参考录音引导声音，说出你输入的任何文字。

Turkish ASR Leaderboard

EmreAkgul · 工具包

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。

LinnetTTS

VoxRT · 工具包

用 LinnetTTS 把文字朗读出来，这是一个小型的设备端文字转语音模型，能流式输出音频，在 CPU 上实时运行。适合开发者，也适合想在浏览器里听听效果的人。

Russian Text To Speech

TeraTTS · 工具包

用 TeraTTSv2 模型和十个内置参考声音朗读俄语文本，返回一段 44.1 kHz 单声道音频。这是一个在 Hugging Face 上运行的 Gradio 演示。

Sesame CSM

sesame · 工具包

Sesame 的 1B 对话语音模型的浏览器演示，可根据文字和音频输入生成语音。用于研究和教育，严禁冒充和欺骗。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。