编辑/排版：卒見
现在我们工作会议的时，都会用到录音转文字工具，我个人也会在工作和娱乐的时候用到这些工具，这里就给大家分享几款不一样的语音转文字工具，都是免费、开源项目！
01
Voice-Pro
AI 语音转换和多语言翻译工具
Voice-Pro 是一款由AI驱动的Web开源应用程序，旨在彻底改变多媒体内容处理。
它集转录、翻译和文字转语音为一体，提供简洁直观的可视化操作界面，支持实时转录和翻译，以及批量处理模式。
它具有 YouTube 视频下载、语音分离、语音识别、翻译和文本转语音的全面功能。
Voice-Pro 安装。
①运行configure.bat 并start.bat
②克隆或下载最新版本（源代码 zip）GitHub 版本
git clone https://github.com/abus-aikorea/voice-pro.git
③运行configure.bat，在 Windows 上安装 git、ffmpeg 和 CUDA
④连接互联网，这个过程可能需要一个多小时，看系统情况。
⑤在安装过程中，请勿关闭 Windows-Command 窗口。
⑥启动 Voice-Pro。Web-UI 将自动运行。
首次运行时，请先安装 Voice-Pro。
如果在安装过程中出现问题，请删除 installer_files 文件夹并再次运行 start.bat。
该项目是用于音频处理的综合 Gradio WebUI，具有 Voice Changer、零样本语音克隆（E2、F5-TTS）、YouTube 下载、语音隔离 （UVR5）、文本转语音 （Edge-TTS） 和多语言翻译。适用于内容创建者和开发人员。
Voice-Pro源代码：
https://pan.quark.cn/s/ccbde0108f7f
开源地址：
https://github.com/abus-aikorea/voice-pro
02
PodCastLM
PDF 生成中文播客！
一款开源免费的工具，可以将 PDF 内容转化为适合音频播客的自然对话，并输出为 MP3 文件。
操作很简单：
①我们可以直接将需要转换的内容上传到操作页面，这里可上传1M以内的PDF文件；
②然后设置语气、时长等，生成播客，你可以查看到文本总结内容，以及整理后的脚本内容！
③点击底部音频按钮，即可播放当前整理好的内容！
开源地址：
https://github.com/YOYZHANG/PodCastLM
在线地址：https://ai.podcastlm.fun
03
video-srt-windows
自动识别视频语音生成字幕文件的工具
video-srt-windows是一个可以识别视频语音自动生成字幕SRT文件的开源 Windows-GUI 软件工具。
它采用 Go+walk 开发，仅支持 Windows 系统。基础原理是请求在线语音转文字的服务，超出免费额度需付费。另外还加入了导出字幕文件和翻译功能。
VideoSrt下载：
https://pan.quark.cn/s/ebd97ead46e3
开源地址：
https://github.com/wxbool/video-srt-windows
https://gitcode.com/gh_mirrors/vi/video-srt-windows
04
buzz
音频转录与翻译工具，可以在你的个人计算机上离线转录和翻译音频服务。
该项目是基于 Whisper 的音频转录和翻译工具，开箱即用、操作简单，支持语音转文字、音频翻译、多种语言和离线使用！
Mac 原生版本的 Buzz，具有更简洁的外观、音频播放、拖放导入、转录文本编辑、搜索等功能。它同时适用于Windows 和 Linux 平台。
功能支持：
①导入音频和视频文件并将转录文本导出为 TXT、SRT 和 VTT（演示)
②从计算机的麦克风转录和翻译为文本
③支持Whisper、Whisper.cpp、Faster Whisper、Whisper兼容的 Hugging Face 模型，以及 OpenAI Whisper API
④命令行界面
Buzz v1.2.0下载：
https://pan.quark.cn/s/8c08670cfe56
开源地址：
https://github.com/chidiwilliams/buzz
05
ChatTTS
SOTA 开源 TTS，强大的对话式文本转语音模型，专门为对话场景设计，支持中、英双语。生成较短的语音效果很好，无机械感！
它主要用于 LLM 助手对话任务、对话语音以及视频介绍等，支持中英文混合文本合成语音，音色表现强，能达到真假难辨程度。
它不仅能够生成自然、流畅的语音，还能控制和添加笑声、停顿和语气词等。
ChatTTS源代码：
https://pan.quark.cn/s/48101f70fc83
开源地址：
https://github.com/2noise/ChatTTS
06
fish-speech
所有人都能用的开源语音合成模型
该项目是由 Fish Audio 开发的基于 VQGAN+Llama 的文本转语音模型，它仅需 4GB 显存即可在个人设备上轻松运行和微调(16GB)，支持中英日语和音色调整，语音合成效果出色。
fish-speech源代码：
https://pan.quark.cn/s/cf829869e7f0
开源地址：
https://github.com/fishaudio/fish-speech
07
GPT-SoVITS
少样本语音转换和合成工具
强大的少样本语音转换和语音合成 WebUI 工具，输入 5 秒的声音样本就能体验文本到语音转换。支持少样本 TTS、英语、日语和中文，集成了声音伴奏分离、中文自动语音识别和文本标注等功能。
特色功能：
零点TTS：输入5秒的人声样本并体验即时文本到语音转换。
少发TTS：只需1分钟的训练数据即可微调模型，以提高语音相似度和真实感。
跨语言支持：使用与训练数据集不同的语言进行推理，目前支持英语、日语、韩语、粤语和中文。
WebUI 工具：集成工具包括语音伴奏分离、自动训练集分割、中文 ASR 和文本标注，帮助初学者创建训练数据集和 GPT/SoVITS 模型。
开源地址：
https://github.com/RVC-Boss/GPT-SoVITS
kua链：
https://pan.quark.cn/s/cf509d794f54
du链：
https://pan.baidu.com/s/1AQwPg3B60RlozShq97h4_g?pwd=gecp
提取码: gecp
Ok，本期的分享就到这里了，希望以上语音转文字、文字转语音的工具可以帮助你，不管是在生活上，还是在工作中，提高效率！
