AI,自己全程接管维护

php mysql shell go vue css api接口对接支付接口对接

OmniVoice Studio：5k Star开源声音克隆工具，646种语言，无GPU也能跑

OmniVoice Studio：5k Star开源声音克隆工具，646种语言，无GPU也能跑
2026-05-28 20:50:27 +0800 CST view 1062
OmniVoice Studio是5k Star全本地运行ElevenLabs开源替代方案，支持零样本声音克隆、646种语言、无GPU也能跑（最低4GB内存），跨平台桌面客户端，支持MCP。
声音克隆开源 TTS AI音频 OmniVoice 语音合成多语言 CosyVoice MCP

Vosk-API 是一款开源的离线语音识别工具包

Vosk-API 是一款开源的离线语音识别工具包
2024-11-19 07:51:49 +0800 CST view 3996
Vosk-API是一款开源的离线语音识别工具包，支持多种编程语言和超过20种语言，提供准确可靠的语音识别服务。其特点包括轻量级模型、零延迟响应和可重构词汇量，适用于聊天机器人、智能家居设备等多种场景。Vosk-API适合在各种设备上使用，从小型设备到大型集群均可扩展。
语音识别开源工具技术支持 Vosk-API

VibeVoice 深度实战：当微软把「90分钟长语音」塞进开源——从 Next-Token Diffusion 架构到生产级 TTS/ASR 全栈引擎的完全指南（2026）

VibeVoice 深度实战：当微软把「90分钟长语音」塞进开源——从 Next-Token Diffusion 架构到生产级 TTS/ASR 全栈引擎的完全指南（2026）
2026-06-14 17:16:29 +0800 CST view 504
深度解析微软开源语音AI项目 VibeVoice，详解 Next-Token Diffusion 架构、7.5Hz 超低帧率连续语音分词器、三大核心模型（TTS-1.5B/ASR-7B/Realtime-0.5B）以及生产级部署实战。
VibeVoice 语音AI 微软 TTS ASR Next-Token Diffusion LLM

零成本在本地跑 Whisper：从视频自动生成双语字幕

零成本在本地跑 Whisper：从视频自动生成双语字幕
2026-06-08 15:48:58 +0800 CST view 868
详解 whisper_v3 项目核心代码：用 Faster-Whisper 从视频自动生成带时间戳的 SRT 字幕，配合 DeepSeek API 翻译，全程跑在本地 RTX 5060 Ti 上，零成本隐私友好。
Whisper 语音识别 Faster-Whisper Python SRT字幕

MOSS-TTS-Nano：0.1B 参数的开源语音模型，CPU 直跑，浏览器里都能用

MOSS-TTS-Nano：0.1B 参数的开源语音模型，CPU 直跑，浏览器里都能用
2026-04-25 08:17:20 +0800 CST view 1507
MOSS-TTS-Nano 是模思智能和OpenMOSS团队开源的0.1B参数超小语音合成模型，支持纯CPU推理、ONNX加速、20种语言、零样本语音克隆、流式输出48kHz立体声，还有浏览器插件可直接在Chrome中使用。
AI 开源语音合成 TTS MOSS

Pynini是一个开源的Python库，专注于构建语言模型和处理字符串

Pynini是一个开源的Python库，专注于构建语言模型和处理字符串
2024-11-19 04:26:54 +0800 CST view 3816
Pynini是一个开源的Python库，专注于构建语言模型和处理字符串，利用有限状态转换器（FST）实现高效的字符串匹配和转换。它提供丰富的操作符和函数，易于与其他NLP工具集成。Pynini可用于语音识别、拼写检查和词性标注等多个领域，适合处理复杂的语言结构。
编程自然语言处理开源工具机器学习语音识别

VibeVoice深度实战：微软如何用扩散模型重塑语音合成的技术边界

VibeVoice深度实战：微软如何用扩散模型重塑语音合成的技术边界
2026-05-19 19:14:43 +0800 CST view 590
深度解析微软开源语音AI框架VibeVoice的技术架构，从双Tokenizer解耦到Next-Token扩散生成，支持90分钟长音频和4说话者。
AI 语音合成扩散模型 VibeVoice

Papacito OS：本地转录+图片OCR+搜索，开源AI第二大脑有点实用

Papacito OS：本地转录+图片OCR+搜索，开源AI第二大脑有点实用
2026-06-20 13:43:05 +0800 CST view 428
Papacito OS 是一个本地优先的个人知识系统，基于 whisper.cpp 本地语音转文字 + Tesseract 图片 OCR + SQLite 关键词搜索。100% Local，适合会议录音、截图、白板、零散笔记整理。
AI 第二大脑本地优先知识管理转录 OCR 语音转文字开源 Next.js whisper.cpp Tesseract

VibeVoice 深度解析：微软如何用 7.5Hz 超低帧率重塑语音 AI——从 ASR 到实时 TTS 的全栈技术内幕

VibeVoice 深度解析：微软如何用 7.5Hz 超低帧率重塑语音 AI——从 ASR 到实时 TTS 的全栈技术内幕
2026-04-17 10:48:42 +0800 CST view 827
深入解析微软开源的 VibeVoice 语音 AI 框架，涵盖 7.5Hz 超低帧率连续 tokenizer、Next-Token Diffusion 架构、三大模型（ASR/TTS/Realtime）全栈设计，以及生产环境部署与性能优化实践。
语音AI VibeVoice 微软 TTS ASR 深度学习开源

微软开源 VibeVoice：60分钟长音频转录、实时TTS，这个语音AI全家桶有点猛

微软开源 VibeVoice：60分钟长音频转录、实时TTS，这个语音AI全家桶有点猛
2026-04-08 11:36:14 +0800 CST view 918
微软开源的 VibeVoice 语音 AI 全家桶，集 ASR 和 TTS 能力于一身，支持 60 分钟长音频转录、90 分钟多说话人音频生成、300ms 实时 TTS。本文深入解析其技术架构与实测代码。
TTS ASR 语音AI 微软 VibeVoice 开源项目

OmniVoice 深度实战：当小米 k2-fsa 团队用扩散语言模型重塑语音合成——从零样本克隆到 600 语言高保真 TTS 的生产级完全指南（2026）

OmniVoice 深度实战：当小米 k2-fsa 团队用扩散语言模型重塑语音合成——从零样本克隆到 600 语言高保真 TTS 的生产级完全指南（2026）
2026-06-15 14:21:23 +0800 CST view 704
深入解析小米 k2-fsa 团队开源的 OmniVoice 单阶段扩散语言模型 TTS 系统，0.8B 参数支持 600+ 语言，零样本克隆仅需 3-10 秒参考音频，RTF 低至 0.025，Apache-2.0 免费商用。
TTS 语音合成 OmniVoice k2-fsa 扩散模型零样本克隆多语言 MachineLearning Audio 小米

本地优先的 AI 会议助手工程实战：从实时流式 ASR 到零云端 LLM 摘要全链路拆解

本地优先的 AI 会议助手工程实战：从实时流式 ASR 到零云端 LLM 摘要全链路拆解
2026-07-10 04:42:09 +0800 CST view 250
以 GitHub Trending 榜首 Meetily 为引，从零手搓本地优先的 AI 会议助手：麦克风采集、Silero VAD 切句、faster-whisper 流式转写、pyannote 说话人分离、Ollama 本地 LLM 摘要，含可运行代码与量化/延迟/内存优化。
本地AI 会议助手语音识别 Whisper Ollama 隐私计算实时转录

VoxCPM2 深度拆解：当语音合成决定杀死分词器——从 Tokenizer-Free 架构到 48kHz 高保真克隆的全链路工程革命

VoxCPM2 深度拆解：当语音合成决定杀死分词器——从 Tokenizer-Free 架构到 48kHz 高保真克隆的全链路工程革命
2026-08-12 02:14:35 +0800 CST view 119
深度拆解OpenBMB开源VoxCPM2无分词器TTS系统：扩散自回归架构、AudioVAE V2非对称编解码、Voice Design音色创造、Controllable Cloning可控克隆、48kHz高保真输出、RTF 0.13实时部署、Nano-vLLM/vLLM-Omni生产实践、30条踩坑清单
VoxCPM2 TTS 语音合成 Tokenizer-Free 扩散模型 Voice Design 声音克隆 AudioVAE 多语言TTS 开源AI

VibeVoice 深度实战：当微软把「超长对话语音」开源——从 7.5Hz 连续分词到 Next-Token Diffusion、从 90 分钟 TTS 到 60 分钟 ASR 的生产级完全指南（2026）

VibeVoice 深度实战：当微软把「超长对话语音」开源——从 7.5Hz 连续分词到 Next-Token Diffusion、从 90 分钟 TTS 到 60 分钟 ASR 的生产级完全指南（2026）
2026-06-21 05:52:51 +0800 CST view 495
深度解析微软开源语音AI项目VibeVoice：从7.5Hz连续分词器到Next-Token Diffusion架构，从90分钟TTS到60分钟ASR的生产级完全指南。
VibeVoice 语音AI 微软开源 TTS ASR 扩散模型 LLM

TEN Framework 深度解析：当实时多模态语音 AI 遇上真正的"即插即用"

TEN Framework 深度解析：当实时多模态语音 AI 遇上真正的"即插即用"
2026-04-08 19:04:47 +0800 CST view 734
TEN Framework 是一个开源的实时多模态对话 AI 框架，让开发者能够像搭积木一样快速构建低延迟、高质量的实时语音/视频 AI Agent。本文深度解析其核心架构、实战应用与性能优化策略。
TEN Framework 语音AI 实时多模态 WebRTC AI Agent

PersonaPlex 深度解析：NVIDIA 如何用 7B 参数实现 0.17 秒延迟的全双工语音对话

PersonaPlex 深度解析：NVIDIA 如何用 7B 参数实现 0.17 秒延迟的全双工语音对话
2026-04-18 04:43:48 +0800 CST view 916
深度解析 NVIDIA 开源的 PersonaPlex 全双工语音对话模型，7B 参数实现 0.17 秒延迟，支持角色控制与 16 种预置声音，MIT 协议开源。
AI 语音交互 NVIDIA 全双工开源项目

让你的 Python 程序开口说话，实现文字转语音只需几行代码！

让你的 Python 程序开口说话，实现文字转语音只需几行代码！
2025-03-21 08:56:12 +0800 CST view 1699
本文介绍了如何使用Python库`pyttsx3`实现文字转语音功能，适合零基础用户。通过简单的几行代码，用户可以创建自己的语音助手，支持离线运行、个性化设置和多平台兼容。文中提供了安装步骤、基本代码示例及实用功能，如语音保存、时间播报和智能阅读助手等，展示了`pyttsx3`的强大应用潜力。
编程 Python 语音技术人工智能

NeuTTS Air：0.5B参数超拟真语音合成，3秒音频克隆你的声音

NeuTTS Air：0.5B参数超拟真语音合成，3秒音频克隆你的声音
2026-04-28 12:43:51 +0800 CST view 712
NVIDIA开源NeuTTS Air——0.5B参数超拟真语音合成模型，仅需3秒音频即可完成声音克隆，可在手机、笔记本甚至树莓派上本地运行，完全保护隐私，无需联网。
AI TTS 声音克隆本地部署 NVIDIA 语音合成边缘计算

一个轻量级、零依赖的JavaScript模糊搜索库，适用于前端和后端应用

一个轻量级、零依赖的JavaScript模糊搜索库，适用于前端和后端应用
2025-05-05 19:31:53 +0800 CST view 1877
Fuse.js是一个轻量级、零依赖的JavaScript模糊搜索库，适用于前端和后端应用。它支持多字段搜索，提供高性能和灵活的配置选项，满足复杂的搜索需求。用户可以通过npm或yarn安装，并在浏览器中直接引入。Fuse.js适合实现搜索功能、自动完成和数据过滤等场景，是提升用户体验的重要工具。
前端开发 JavaScript 搜索库用户体验 Web应用

sqlite-vec 深度拆解：用 60KB 二进制把向量搜索塞进 SQLite，这个「零依赖」方案凭什么成为 AI Agent 的记忆引擎

sqlite-vec 深度拆解：用 60KB 二进制把向量搜索塞进 SQLite，这个「零依赖」方案凭什么成为 AI Agent 的记忆引擎
2026-07-28 08:45:18 +0800 CST view 194
深度拆解 sqlite-vec：60KB 二进制、零依赖的 SQLite 向量搜索扩展，从架构原理、IVF/DiskANN 索引、性能 Benchmark 到完整的 RAG 记忆系统实战代码，解析为什么 OpenClaw、Hermes、claude-mem 都选择了它。
sqlite-vec 向量搜索 SQLite AI Agent RAG

sqlite-vec 技术深度解析：60KB 零依赖向量搜索，OpenClaw/Hermes/claude-mem 的记忆引擎选型逻辑

sqlite-vec 技术深度解析：60KB 零依赖向量搜索，OpenClaw/Hermes/claude-mem 的记忆引擎选型逻辑
2026-07-28 08:45:41 +0800 CST view 182
深度拆解 sqlite-vec：60KB 二进制、零依赖的 SQLite 向量搜索扩展，从架构原理、IVF/DiskANN 索引、性能 Benchmark 到完整的 RAG 记忆系统实战代码，解析为什么 OpenClaw、Hermes、claude-mem 都选择了它。
sqlite-vec 向量搜索 SQLite AI Agent RAG

PostgreSQL 18 深度解析:异步 I/O、向量搜索与数据库克隆如何重塑数据基础设施

PostgreSQL 18 深度解析:异步 I/O、向量搜索与数据库克隆如何重塑数据基础设施
2026-07-05 06:45:30 +0800 CST view 363
深度解析 PostgreSQL 18 的革命性特性:异步 I/O 子系统实现 3 倍性能提升、向量搜索集成内核、毫秒级数据库克隆技术,以及 UUIDv7 时间有序标识符。包含源码级原理分析、实战代码示例和性能基准测试。
PostgreSQL 数据库异步I/O 向量搜索数据库克隆

CodeGraph 深度拆解：当「预索引知识图谱」决定干掉 grep/glob/Read——一个让 AI 编程助手省 57% Token 的代码搜索引擎如何重新定义大型项目的 AI 开发范式

CodeGraph 深度拆解：当「预索引知识图谱」决定干掉 grep/glob/Read——一个让 AI 编程助手省 57% Token 的代码搜索引擎如何重新定义大型项目的 AI 开发范式
2026-08-04 07:13:06 +0800 CST view 169
深度拆解CodeGraph代码知识图谱引擎：tree-sitter解析、引用解析、SQLite+FTS5存储、MCP协议暴露，10个工具、20+语言支持、14种框架路由识别，实测Token消耗降低51%、工具调用减少57%的完整架构分析与实战指南
CodeGraph AI编程知识图谱代码搜索 MCP Claude Code Cursor tree-sitter SQLite

Qdrant 深度实战：当 Rust 写的向量数据库统治 AI 检索层——从 HNSW 到 GPU 加速、从混合搜索到生产级 K8s 部署的完全指南（2026）

Qdrant 深度实战：当 Rust 写的向量数据库统治 AI 检索层——从 HNSW 到 GPU 加速、从混合搜索到生产级 K8s 部署的完全指南（2026）
2026-07-17 13:21:10 +0800 CST view 195
2026年深度实战 Qdrant v1.13+：Rust 编写的高性能向量数据库核心架构、HNSW 算法原理与参数调优、GPU 加速索引构建、稀疏+密集混合搜索与 RRF 融合、Docker/Kubernetes StatefulSet 生产部署、Go 高性能客户端实战、AI Agent 记忆系统完整实现，12000字完全指南。
Qdrant 向量数据库 Rust HNSW GPU RAG AI 混合搜索分布式量化压缩 Kubernetes

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调回调

上一页 1 234 5 6 下一页