pyVideoTrans

开源多模态 & 视觉⭐ 17k↑+2

视频翻译工具，自动翻译视频并嵌入配音和字幕，17k+ stars

🎯适用场景：将视频从一种语言翻译到另一种语言并嵌入配音和字幕

#视频翻译#配音#字幕#语音合成#语音识别
访问工具

📊 仓库数据

Stars17,491
Forks2,155
语言Python
更新2026/5/22

📈 上次抓取以来 ↑+2 ⭐

✅ 优点

  • •全自动视频翻译流程
  • •支持多种语音识别和合成引擎
  • •字幕嵌入一步到位

⚠️ 限制

  • •处理长视频耗时较长
  • •翻译质量依赖所选引擎

🔗 相关工具

OpenAI Whisper

开源⭐ 100k↑+47

github.com/openai/whisper

OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景

🎯 多语言语音转文字、音频转录、本地私有化语音识别

#语音识别#多语言#转录
语言Python
🍴 Forks12,269
📅 上线2022/9/16
🔄 更新2026/5/22

Whisper.cpp

开源⭐ 50k↑+12

github.com/ggml-org/whisper.cpp

OpenAI Whisper C/C++ 移植，48,793+ stars。高性能语音识别引擎，将 OpenAI Whisper 移植到 C/C++，支持 99 种语言的语音转文字，CPU 即可高效运行

🎯 多模态内容理解与生成

#语音识别#Whisper#C++#跨平台
语言C++
🍴 Forks5,563
📅 上线2022/9/25
🔄 更新2026/5/22

Coqui TTS

开源⭐ 45k↑+3

github.com/coqui-ai/TTS

深度学习 TTS 工具包，45,126+ stars。基于深度学习的文本转语音工具包，支持多种 TTS 模型训练和推理，提供高质量自然语音合成能力

🎯 语音合成与实时语音交互

#TTS#语音合成#深度学习#多模型
语言Python
🍴 Forks6,105
📅 上线2020/5/20
🔄 更新2026/5/22

ChatTTS

开源⭐ 39k

github.com/2noise/ChatTTS

日常对话生成语音模型，39,109+ stars。专为对话场景优化的文本转语音模型，生成自然流畅的语音，支持多种声音风格和情感表达

🎯 语音合成与实时语音交互

#TTS#语音合成#对话#多风格
语言Python
🍴 Forks4,257
📅 上线2024/5/27
🔄 更新2026/5/22

Voicebox

开源⭐ 28k↑+73

github.com/jamiepine/voicebox

Voicebox 是开源的语音合成工作室，提供高质量的文本转语音 (TTS) 能力。支持多语言、多音色、情感化语音生成，22,208 stars（周增 5,198 星）。与商业 TTS 服务不同，Voicebox 完全开源可自部署，提供 Web UI 和 API 两种使用方式。支持声音克隆（少量样本即可）、实时流式输出、SSML 标记语言控制韵律和语调，是播客制作、有声书生成、游戏配音和 AI 语音助手的理想选择

🎯 播客/有声书自动化、游戏 NPC 配音、AI 语音助手、视频内容配音、无障碍朗读

#开源#TTS#语音合成#声音克隆+1
语言TypeScript
🍴 Forks3,339
📅 上线2026/1/25
🔄 更新2026/5/22

CosyVoice

开源⭐ 21k↑+5

github.com/FunAudioLLM/CosyVoice

通义实验室开源的多语种语音生成大模型，21K+ stars。支持中英文日韩韩等多语种语音合成、语音克隆和跨语种语音生成，提供推理、训练和部署全栈能力。是开源 TTS 领域的标杆项目之一

🎯 语音合成与实时语音交互

#语音合成#多语种#语音克隆#TTS
语言Python
🍴 Forks2,442
📅 上线2024/7/3
🔄 更新2026/5/22
← 浏览全部 451 个工具