Whisper
openai / whisper
Chuyển giọng nói trong file ghi âm, video thành văn bản ngay trên máy, hỗ trợ nhiều ngôn ngữ
AI · 20 repo
Gỡ băng cuộc họp, làm phụ đề cho video YouTube, tách giọng hát để làm karaoke, đọc sách thành audio: những việc từng phải thuê người làm giờ chạy được trên máy với Whisper, Buzz, Ultimate Vocal Remover, F5-TTS... Nhiều công cụ đã hỗ trợ tiếng Việt khá tốt.
20 repo phù hợp
openai / whisper
Chuyển giọng nói trong file ghi âm, video thành văn bản ngay trên máy, hỗ trợ nhiều ngôn ngữ
RVC-Boss / GPT-SoVITS
Nhân bản giọng nói chỉ từ 5 giây âm thanh, hoặc tinh chỉnh với khoảng 1 phút dữ liệu, kèm WebUI đầy đủ
microsoft / VibeVoice
Bộ mô hình giọng nói của Microsoft: nhận dạng giọng nói dài 60 phút và đọc văn bản theo thời gian thực
ggml-org / whisper.cpp
Chạy mô hình nhận dạng giọng nói Whisper của OpenAI ngay trên máy, nhẹ, offline, không cần Python
2noise / ChatTTS
Mô hình đọc văn bản cho hội thoại, giọng tự nhiên có cả tiếng cười và quãng ngắt nghỉ
RVC-Project / Retrieval-based-Voice-Conversion-WebUI
Đổi giọng nói thành giọng khác chỉ cần khoảng 10 phút dữ liệu để huấn luyện, có giao diện web
myshell-ai / OpenVoice
Nhân bản âm sắc giọng nói từ một đoạn mẫu ngắn và cho đọc bằng nhiều ngôn ngữ, giấy phép MIT
fishaudio / fish-speech
Mô hình đọc văn bản thành giọng nói, nhân bản giọng và điều khiển cảm xúc bằng thẻ trong câu.
Anjok07 / ultimatevocalremovergui
Phần mềm có giao diện tách giọng hát khỏi nhạc nền bằng AI, chạy ngay trên máy tính của bạn.
SYSTRAN / faster-whisper
Thư viện chạy Whisper nhanh hơn và tốn ít bộ nhớ hơn để chuyển giọng nói thành chữ.
m-bain / whisperX
Chuyển giọng nói thành chữ kèm mốc thời gian từng từ và nhãn người nói, dựa trên Whisper.
index-tts / index-tts
Mô hình nhân bản giọng từ một đoạn mẫu, điều khiển cảm xúc, tốc độ và cách phát âm.
QwenAudio / CosyVoice
Mô hình đọc văn bản đa ngôn ngữ của Alibaba, nhân bản giọng, hỗ trợ nhiều phương ngữ Trung Quốc.
chidiwilliams / buzz
Ứng dụng máy tính gỡ băng và dịch âm thanh offline bằng Whisper, xuất phụ đề SRT.
modelscope / FunASR
Bộ công cụ nhận dạng giọng nói của ModelScope: gỡ băng, chia đoạn, thêm dấu câu, nhận biết người nói.
jianchang512 / pyvideotrans
Công cụ dịch video, lồng tiếng AI, gỡ băng và tạo phụ đề trong một quy trình liền mạch.
pipecat-ai / pipecat
Khung lập trình Python để xây trợ lý giọng nói AI nói chuyện thời gian thực
WEIFENG2333 / VideoCaptioner
Tự tạo phụ đề cho video: nhận dạng giọng nói, chỉnh câu, dịch và ghép vào video
SWivid / F5-TTS
Bắt chước giọng nói từ vài giây âm thanh mẫu rồi đọc văn bản mới bằng giọng đó
hexgrad / kokoro
Mô hình đọc văn bản bằng giọng nói nhỏ gọn 82 triệu tham số, nhanh và chạy được cả trên máy yếu
Chưa có repo khớp bộ lọc. Thử từ khoá ngắn hơn hoặc chọn "Tất cả".
Ưu tiên repo nhiều sao, còn được cập nhật và có người dùng thật. Số sao lấy từ GitHub và tự làm mới mỗi giờ.
Mỗi repo có phần trải nghiệm, việc nên dùng, hướng dẫn cài theo từng hệ điều hành và câu hỏi thường gặp, viết dựa trên tài liệu chính thức.
Dễ: tải về là dùng. Vừa: cần gõ vài lệnh hoặc Docker. Khó: dành cho người biết lập trình.
Mã nguồn mở không có nghĩa là không có rủi ro: chỉ tải bản cài từ trang GitHub chính thức của dự án, đọc kỹ giấy phép trước khi dùng cho mục đích thương mại, và tôn trọng bản quyền khi tải nội dung.