【语音合成】数据集合集！

本文将为您介绍经典、热门的数据集，希望对您在选择适合的数据集时有所帮助。

1

pyvideotrans

• 更新时间：2024-12-22

• 访问地址: GitHub

• 描述：

  将视频从一种语言翻译为另一种语言，同时支持语音识别转录、语音合成、字幕翻译。

• 数据集网址：

  https://github.com/jianchang512/pyvideotrans

2

auto-video-generateor

• 更新时间：2024-11-13

• 访问地址: GitHub

• 描述：

  自动视频生成器，给定主题，自动生成解说视频。用户输入主题文字，系统调用大语言模型生成故事或解说的文字，然后进一步调用语音合成接口生成解说的语音，调用文生图接口生成契合文字内容的配图，最后融合语音和配图生成解说视频。

• 数据集网址：

  https://github.com/kuangdd2024/auto-video-generateor

3

tts-now

• 更新时间：2024-12-21

• 访问地址: GitHub

• 描述：

  跨平台基于云平台(阿里云、讯飞等)语音合成 API 的文字转语音助手。支持单文本快速合成和批量合成。支持windows、macOS、Linux。

• 数据集网址：

  https://github.com/funnyzak/tts-now

4

ChatTTS-ui

• 更新时间：2024-12-10

• 访问地址: GitHub

• 描述：

  一个简单的本地网页界面，使用ChatTTS将文字合成为语音，同时支持对外提供API接口。

• 数据集网址：

  https://github.com/jianchang512/ChatTTS-ui

5

insmess-speech

• 更新时间：2024-09-22

• 访问地址: GitHub

• 描述：

  即迅语音识别服务，支持语音识别（ASR）、语音合成（TTS）、声纹识别（VPR）等功能，适配国产化arm操作系统，支持CPU快速语音识别。

  采用开放式架构设计，构建一体化的人工智能语音平台。

  即迅语音识别服务（insmess-speech）支持私有化部署，通过组件式的部署方式可为客户提供单个或多个人工智能语音能力。适配国产化服务器，能够在多种国产化服务器上流畅运行。通过标准的HTTP、websocket服务接口为客户提供便捷的平台对接方式，让客户打造属于自己的人工智能语音平台。

• 数据集网址：

  https://github.com/insmess/insmess-speech

6

Medical-Robot-AI

• 更新时间：2024-12-13

• 访问地址: GitHub

• 描述：

  基于Rasa框架实现的智能医疗机器人 功能包含: 医药问答 智能问药 疾病诊断 病症查询 症状查询 闲聊 天气查询 语音对话 使用手段包括: rasa框架 知识图谱 neo4j数据库 语音识别 语音合成 开放API 等功能。

• 数据集网址：

  https://github.com/LuoFanA595/Medical-Robot-AI

7

AI-Vtuber

• 更新时间：2024-09-22

• 访问地址: GitHub

• 描述：

  一个高自由度的端到端的可定制AI-VTuber。支持对接哔哩哔哩直播间，以智谱API作为语言基座模型，拥有意图识别、长短期记忆（直接记忆和联想记忆），支持搭建认知库、歌曲作品库，接入了当前热门的一些语音转换、语音合成、图像生成、数字人驱动项目，并提供了一个便于操作的客户端。

• 数据集网址：

  https://github.com/whoiswennie/AI-Vtuber

8

hailuo-free-api

• 更新时间：2024-12-24

• 访问地址: GitHub

• 描述：

  海螺AI大模型逆向API【特长：超自然语音】，支持高速流式输出、语音合成、联网搜索、长文档解读、图像解析、多轮对话，零配置部署，多路token支持，自动清理会话痕迹。

  支持高速流式输出、支持多轮对话、支持语音合成、语音识别、支持联网搜索、支持长文档解读、支持图像解析，零配置部署，多路token支持，自动清理会话痕迹。

• 数据集网址：

  https://github.com/LLM-Red-Team/hailuo-free-api

9

fast-tts

• 更新时间：2024-12-01

• 访问地址: GitHub

• 描述：

  Fast-TTS 是一个基于异步框架的文本到语音转换（TTS）生成器项目。该项目利用了异步编程技术来高效处理请求和响应，实现了快速、秒级的流式生成长文本语音播放服务。Fast-TTS 可以快速地将长文本转换为语音流，并实时播放，适用于多种应用场景，如语音合成、智能助手、内容朗读等。

• 用途：

  异步处理：使用异步框架和函数来高效处理HTTP请求。

  支持多种语言和声音：通过微软TTS服务，支持多种语言和声音选项。

  简单易用的API：提供简洁的API接口，便于集成和扩展。

  实时语音生成：快速响应生成音频内容，适用于实时应用场景。

• 数据集网址：

  https://github.com/donzell888/fast-tts

10

MyArxivPodcast

• 更新时间：2024-11-01

• 访问地址: GitHub

• 描述：

   一个全自动的学术论文播客生成系统，支持从arXiv网站爬取最新科技资讯，使用LLM生成结构化对话脚本，并通过语音合成技术输出专业的播客音频。集新闻采集、内容生成、语音合成于一体的AI播客工具。

• 用途：

  自动爬取 arXiv 网站的最新学术论文

  使用大语言模型生成结构化的播客对话脚本

  支持自定义关键词和时间范围的新闻筛选

  通过百度文本转语音 API 生成自然的播客音频

  完整的日志记录和文章引用追踪

  支持多种音色和语音参数调节

• 数据集网址：

  https://github.com/MJy1023/MyArxivPodcast