AI 智能体技能、规则与提示词工具包

TTS Tounsi

Nouira-Oussema · 工具包

用微调过的 XTTS v2 模型把突尼斯阿拉伯语方言的文字变成语音，可以用内置的男声或女声，也可以用你上传的声音。适合需要突尼斯方言语音的人。

KaniTTS

nineninesix · 工具包

在 Gradio 应用里提供 nineninesix 的 Kani 文字转语音模型，有多种模型规模以及英文和中文版本。适合想试用小型语音模型的开发者和创作者。

VoxPocket 高棉语语音合成

muyleanging · 工具包

在浏览器里把高棉语文字转成语音，支持用短音频克隆声音、选择风格，也能按描述设计声音。适合做高棉语音频的创作者和研究者。

Open Universal Arabic Asr Leaderboard

msalhab96 · 工具包

在一个 Gradio 页面里，比较开源语音识别模型在阿拉伯语多种方言上的表现。适合挑选阿拉伯语语音转文字模型的研究人员和开发者。

ZONOS3 Mini

mrfakename · 工具包

用 ZONOS3-Mini 模型把文字转成十种语言的语音，有 27 种预设声音、短片段声音克隆、语速和响度控制，以及情绪调节。

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。

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。

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。

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。

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。

Gradio Lipsync Wav2lip

manavisrani07 · 工具包

在 Gradio 页面里运行 Wav2Lip 口型同步，把嘴部动作和语音音频对上，适合试验视频和语音工具的人。

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。

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。

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。

Duyu-small

KaanAydinli · 工具包

在浏览器里把土耳其语和英语的语音转成文字，来源可以是录音或上传的文件。一个小模型在你自己的设备上运行，所以你的音频不会离开设备。

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。

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。

LeapTalk

hugging-apps · 工具包

把一张人像照片和一段语音变成口型同步的说话人头像视频，是 LeapTalk 模型的演示，适合研究者、开发者和创作者。

VoxCPM2 Myanmar Voice Clone Test

hub10 · 工具包

在接入 Dubbing Studio 之前测试 VoxCPM2 模型的声音克隆。适合做配音和语音的开发者，克隆声音需要说话人的许可。

FASTDIAR

herimor · 工具包

在音频文件或麦克风实时流播放的同时标注谁在说话，延迟约一秒。适合做说话人分离的语音开发者和研究者的演示。