Voice-Pro：支持超过 100 种语言、400 多种声音的语音视频转录、翻译工具

Voice-Pro 是一个基于Gradio Web-UI的集成解决方案，专注于语音转录、翻译和文本转语音（TTS）的AI工具。 该工具通过一个简单易用的 Web 用户界面（UI）提供强大的多语言支持，能够轻松处理音视频文件，并自动生成字幕、翻译内容，甚至合成多语言语音。 结合了 OpenAI 的 Whisper 模型和多个开源的翻译与 TTS 引擎。它支持多种音频和视频格式，用户可以通过它轻松完成从语音转录、翻译到生成音频字幕的整个流程。 它支持超过 100 种语言，你可以用它把音频或视频中的语音内容转成文字、自动生成字幕，还可以把这些文字翻译成多种语言，再生成不同语言的配音。 Voice-Pro 提供了 一键安装 和 完全便携 的特点，适合各种规模的用户，无论是个人还是企业，都可以通过这个工具创建高质量的多语言视频和音频内容。 主要功能 语音转录与字幕生成 ：你可以上传视频或音频，Voice-Pro 会自动把语音转成字幕，支持超过 100 种语言。非常适合那些需要为视频添加字幕的人。 支持超过 100 种语言的语音识别和字幕生成。 通过 Whisper 模型，能够为视频或音频生成精确的字幕。 可以根据 PC 的性能选择不同的 Whisper 模型和计算类型（如 float 类型和 int 类型），优化转录速度和质量。 多语言翻译 ：它能帮你把字幕翻译成多种语言，让你轻松制作多语言版本的视频，比如把英语视频翻译成中文、法语、日语等。 支持 100 多种语言的自动翻译功能。 用户可以上传字幕文件（如 srt、ass 等），也可以直接输入文本进行翻译。 自动检测上传文件的语言，并为其生成翻译字幕，极大简化了多语言视频的创建流程。 文本转语音（TTS） ： 支持将文本转换为语音，拥有 400 多种声音选择 。通过 TTS 功能，用户可以将翻译后的内容以音频的形式播放，生成多语言配音。 支持语音速度、音量和音调的调整，满足不同场景的音频合成需求。 实时语音识别与翻译 ：如果你在开会或直播时需要即时翻译，它支持通过麦克风输入语音，并实时生成字幕和翻译内容。 提供实时语音识别和翻译功能 ，用户可以选择音频输入源（如麦克风、扬声器等），并实时生成语音识别结果和翻译内容。 适合直播、会议、视频通话等场景，帮助用户轻松实现即时的多语言交流。 视频与音频处理 ： 支持通过 ffmpeg 处理各种音频和视频格式，用户可以下载 YouTube 视频并将其转换为音频文件（如 mp3、wav、flac）。 提供降噪功能 ，通过 Meta 的 Demucs 引擎去除背景噪音或分离人声，提高语音识别的准确性，同时提升音质，让语音内容更加清晰。 支持的输出格式包括 wav、flac 和 mp3。 批量处理 ： Voice-Pro 支持批量处理大量文件 ，能够自动生成字幕、翻译和 TTS，极大提升了处理效率，非常适合需要处理大量视频或音频文件的用户。 如果你有很多视频或音频需要处理，Voice-Pro 支持批量生成字幕、翻译和语音，这样可以节省大量时间。 用户界面与可用性 ： 提供一个基于 Gradio 的 Web 用户界面，用户可以直接在浏览器中使用该工具（推荐使用 Chrome 浏览器），界面直观，易于操作。 一键安装后即可使用，适合各种计算机硬件配置，且对用户的技术背景要求较低。 简单易用 系统要求 ：支持 Windows 10/11（64位），推荐使用 NVIDIA GPU 以获得最佳性能。 安装方式 ：提供一键安装，用户只需运行安装文件即可在几分钟内完成设置。安装后，用户可以永久使用（免费版有 30 分钟的使用时限）。 GitHub： https://github.com/abus-aikorea/voice-pro

Menu

分类目录

Voice-Pro：支持超过 100 种语言、400 多种声音的语音视频转录、翻译工具

Related Posts

Meta AI提出了一种新的语言模型架构“Large Concept Model (LCM) 让模型更像人类思考

阿里巴巴推出QVQ-72B 一个基于Qwen2-VL-72B的新型多模态推理模型

Fireworks AI新功能能够将图像或PDF等非文本内容转化为LLM可理解的结构化文本

Hume AI推出全能文本与语音引擎 OCTAVE 根据文本实时生成特定人格特质的声音

Anthropic 公布了一种全新的 AI 越狱技术可以轻松破解所有前沿模型

INFP：基于音频驱动的双人对话中的互动头像生成能自动区分谁在说话，谁在听

Recommendeds

Anthropic 推出的 Message Batches API 可以批量处理大量请求价格便宜50%

ReCap：能够自动分析2个小时长的视频，并生成准确描述

IC-Light：图像重新照明根据文本提示或背景图参考重新生成特定光照的图像

英伟达 ChatRTX 增加了语音图像等多种新功能并支持新的模型

李飞飞的空间智能公司World Labs正式成立获得 2.3 亿美元融资估值10亿美金

苹果正式推出集成 Siri 和 Apple Intelligence新框架 Siri可以实时读取你屏幕信息并执行操作

Apriora：人工智能驱动的面试平台实时进行视频面试能检测作弊行为

装备AI瞄准步枪的机器狗接受了美国海军陆战队特种作战评估

SaaS 产品的定价的现状、误区、策略和趋势

Frame：具备视觉能力和实时联网问答的开源AR眼镜

Welcome Back!

Retrieve your password

Add New Playlist

Are you sure want to unlock this post?

Are you sure want to cancel subscription?

Menu

分类目录

Voice-Pro：支持超过 100 种语言、400 多种声音的语音视频转录、翻译工具

Support authors and subscribe to content

加入会员

Related Posts

Recommendeds

Welcome Back!

Retrieve your password

Add New Playlist

Are you sure want to unlock this post?

Are you sure want to cancel subscription?