MeloTTS-ONNX 是 MeloTTS 的 ONNX 版本,支持在 ONNX Runtime 上运行,并且支持中、英文的文本转语音。中文发音人支持中英文混合。足够快,适用于CPU 实时推理。
MOSSAudioTokenizer 是一种基于 Cat(Causal Audio Tokenizer with Transformer)架构的统一离散音频分词器。该模型参数量达到 16 亿,可作为统一的离散接口,同时实现无损质量重建和高层语义对齐。
WenetASR 是一个基于 WeNet(端到端语音识别工具包)的实时语音识别(ASR)系统,结合了语音活动检测(VAD)功能。该项目旨在提供一个简单、高效的框架,用于从麦克风实时捕获音频,进行语音段检测,并使用预训练的 WeNet 模型进行中文语音识别。它特别适合实时应用场景,如语音助手、会议转录或语音命令系统。
SpringCloud实现微服务架构(Eureka(服务发现与注册中心) + Fegin(消费者) + Hystrix(熔断器) + Zuul(网关) + Spring Cloud Config(分布式配置中心) + ZipKin(链路追踪) + Spring Boot Admin(服务监控) + JWT + Mybatis + Vue)