懂AI
echogarden

echogarden

多功能语音处理工具集支持跨平台使用

Echogarden 是一个功能全面的开源语音处理工具集，提供文本转语音、语音识别、语音对齐和翻译等多项功能。该工具集适用于 Windows、macOS 和 Linux 平台，安装和使用简便。Echogarden 采用 TypeScript 开发，通过 WebAssembly 和 ONNX 运行时实现跨平台兼容，无需复杂依赖。目前主要提供命令行界面，支持批量处理，未来计划开发图形界面和交互式工具。

Echogarden语音处理文本转语音语音转文本语音工具集Github开源项目
GitHub论文文档

Echogarden

Echogarden是一个易于使用的语音工具集，包含多种语音处理工具。

  • 安装、运行和更新都很简便
  • 可在Windows（x64）、macOS（x64、ARM64）和Linux（x64、ARM64）上运行
  • 使用TypeScript编写，适用于Node.js运行环境
  • 无需Python、Docker或其他系统级依赖
  • 不依赖关键的平台特定二进制文件。引擎要么通过WebAssembly移植，要么使用ONNX运行时导入，或者用纯JavaScript编写

功能

  • 文本转语音使用VITS神经网络架构，以及其他15种离线和在线引擎，包括谷歌、微软、亚马逊、OpenAI和Elevenlabs提供的云服务

  • 语音转文本使用OpenAI Whisper，以及其他几种引擎，包括谷歌、微软、亚马逊和OpenAI提供的云服务

  • 语音与文本对齐使用动态时间规整（DTW，DTW-RA）的多个变体，支持多次（分层）处理，或通过Whisper识别模型的引导解码。支持100多种语言

  • 语音到文本翻译，将Whisper支持的98种语言中的任何语音翻译成英语，并提供近乎词级的翻译文本时间戳

  • 语音与翻译文本对齐尝试使用Whisper引擎将一种语言的口语音频与提供的英语翻译文本同步

  • 语言检测识别给定音频或文本的语言。为音频提供Whisper或Silero引擎，为文本提供TinyLD或FastText

  • 语音活动检测尝试识别音频中语音活跃或非活跃的片段。包括WebRTC VAD、Silero VAD、基于RNNoise的VAD和自定义自适应门限

  • 语音去噪减弱口语音频中的背景噪音。包括RNNoise引擎

  • 音源分离从任何音乐或背景环境中分离出语音。支持MDX-NET深度学习架构

  • 所有识别、合成、对齐和翻译输出的词级时间戳

  • 高级字幕生成，考虑句子和短语边界

  • 对于VITS和eSpeak-NG合成引擎，包括提高TTS发音准确性的增强功能：添加文本规范化（例如惯用日期和货币发音）、同形异义词消歧（基于规则模型）和用户可自定义的发音词典

  • 内部包系统，根据需要自动下载和安装语音、模型和其他资源

安装

确保已安装Node.js v18.16.0或更高版本。

然后：

npm install echogarden -g

其他所需工具：

  • ffmpeg：用于编解码转换
  • sox：用于命令行界面的音频播放

这两个工具在 Windows 和 Linux 上会作为内部包自动下载。

在 macOS 上，目前只有 ffmpeg 会自动下载。建议通过系统包管理器如 Homebrew (brew install sox) 安装 sox，以确保它在系统路径中可用。

更新到最新版本

npm update echogarden -g

使用工具集

工具可通过命令行界面访问，这使得强大的自定义成为可能，特别适用于长时间运行的批量操作。

更多图形化和交互式工具的开发正在计划中。文本转语音的浏览器扩展目前正在开发中（但尚未发布）。

如果你是开发者，你还可以将该包作为模块导入或通过本地 WebSocket 服务与之交互（目前处于实验阶段）。

文档

致谢

本项目整合并基于许多不同个人和公司的努力，同时也贡献了一些原创作品。

由 Rotem Dan (国际音标：/ˈʁɒːtem ˈdän/) 开发。

许可

GNU 通用公共许可证第3版

组件、模型和其他依赖项的许可证详情请参见此页面。

编辑推荐精选

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。

热门AI助手AI对话AI工具聊天机器人
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。

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

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作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。

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。

AI工具TraeAI IDE协作生产力转型热门
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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
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。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多