懂AI
whisper.unity

whisper.unity

本地语音识别与多语言翻译工具

whisper.unity项目为Unity3d提供了whisper.cpp的绑定，支持在本地运行OpenAI Whisper自动语音识别模型。具备约60种语言支持、多语言翻译和多种模型尺寸选择，可在Windows、MacOS、Linux、iOS和Android等平台上高效运行，且无需互联网连接。项目完全开源，支持商业用途，并支持CUDA和Metal加速。

whisper.unitywhisper.cppUnityOpenAIASRGithub开源项目
GitHubHugging Face

项目介绍：whisper.unity

whisper.unity 项目是一个 Unity3D 的绑定库，它为 whisper.cpp 提供了高性能的推断能力，使 OpenAI 的 Whisper 自动语音识别模型可以在本地计算机上运行。

项目特点

  • 多语言支持：whisper 模型支持约60种语言的语音识别。
  • 语言翻译：可以实现将一种语言的语音转换为另一种语言的文本，例如将德语语音翻译成英语文本。
  • 多种模型尺寸：提供不同的模型尺寸以平衡速度和准确性。
  • 本地化运行：能够在用户的本地设备上运行，无需互联网连接。
  • 免费开源：该项目是免费和开源的，允许用于商业项目。

支持的平台

  • Windows（x86_64，支持 CUDA）
  • MacOS（Intel 和 ARM，支持 Metal）
  • Linux（x86_64，支持 CUDA）
  • iOS（设备和模拟器）
  • Android（ARM64）
  • VisionOS

虽然目前不支持 WebGL，但针对该问题的讨论正在进行中。

使用示例

在展示视频中，“whisper-small.bin” 模型测试了麦克风输入的英语、德语和俄语，“whisper-tiny.bin” 模型在 M1 Pro 的 Macbook 上以比实时快 50 倍的速度运行。

快速上手

用户可以通过克隆该仓库，并作为普通的 Unity 项目打开来开始使用。项目自带示例和多语言的小型模型权重。

此外，用户还能将该仓库作为 Unity Package 添加到项目中。可以通过 Unity Package Manager 使用如下的 Git URL 添加：

https://github.com/Macoron/whisper.unity.git?path=/Packages/com.whisper.unity

高级功能支持

  • CUDA 支持：若 Unity 项目编译时启用了 CUDA 功能，需在目标设备上安装 Nvidia GPU 和 CUDA 库。
  • Metal 支持：适用于 Apple M1 芯片及更高版本，其他更旧的硬件将自动切换到 CPU 推断。

更多模型权重下载

用户可以根据需求选择不同的 Whisper 模型权重，例如使用仅限英语的权重或者更大的模型来改进英语语言的转录。可从指定来源下载模型权重并将其放入项目的 StreamingAssets 文件夹中。

从源代码编译 C++ 库

whisper.unity 项目自带所有受支持平台的预构建库，但用户可以通过 Github Actions 从源代码重新构建它们。构建完成后，编译好的库将自动更新到项目的 Plugins 文件夹中。

许可证

该项目基于 MIT 许可证，使用了 whisper.cpp 和 OpenAI Whisper 的编译库和模型权重，这些内容同样属于 MIT 许可证范围。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多