做了一个基于大语言模型的语音转文字工具,中文用刚发布的 Qwen-TTS - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
pengxu980315
V2EX    分享创造

做了一个基于大语言模型的语音转文字工具,中文用刚发布的 Qwen-TTS

  •  
  •   pengxu980315 176 天前 1801 次点击
    这是一个创建于 176 天前的主题,其中的信息可能已经有所发展或是发生改变。

    项目简介

    • 目前海外的几个 TTS 产品其实都是直接调用 AWS 、微软或者 Google 的 TTS API ,11Labs 等自研的产品效果会比这些网站好一些。
    • 我测试了 Google 、OpenAI 发布的基于大语言模型的 TTS 模型,效果会更好一些,语音会更加流畅且像真人。而且还支持使用自然语言来控制大模型的语气,在某些场景下表现会很不错。
    • Google 、OpenAI 的模型对于中文的支持其实并不好,今天我看到 Qwen-TTS 发布了,所以我把它接进来,中文效果会比 Google 和 OpenAI 好很多。同时,中文目前还支持北京话、四川话和吴语,但吴语感觉效果一般。
    • 我增加了一些 AI 功能,比如翻译。可以直接在文本框输入中文,然后翻译成目标语言(比如法语),然后进行 TTS 转化,这样子让流程更自然一些。
    • 支持粤语,粤语这里目前用的是 OpenAI ,效果马马虎虎,我后面找找更好的模型接上去。
    • 支持多语言同时朗读,比如可以中英混杂,英法混杂等,都是 OK 的。
    • 可以调节 Vibe ,也就是语气,可以让大模型扮演海盗,或者拍卖员等等,配合上对于的文字会很有趣。因此我调用 AI 来进行文本的改写增强,使文本符合对于的 Vibe 内容。这个功能 Qwen TTS 不支持,所以中文没有上。其他语言效果还不错。
    • 目前免费,因为这些 API 的费用比传统的 TTS 模型高,我可能后面会设置一个每月的免费试用额度,目前限制的最大片段为 1000 字,欢迎大家试用~

    测试片段

    可以使用这个片段,选择 English ,把 Vibe 调到 Autioneer ,来试试效果~

    Ladies and gentlemen step right up! Woahwhat a show we’ve got today! First on the blocka pristine vintage Rolex watch! Starting at $2,000do I hear $2,500? $2,500 to the lady in redthank you! Now $3,000going once... twice... SOLD to the sharp-dressed man in the back! Nexthold onto your hatsa rare Picasso sketch! Opening bid $10,000who’ll jump to $12,000? Don’t dawdle folksthis beauty won’t stick around! The crowd’s electriclet’s keep those bids rolling! 

    网站

    https://www.ttsomni.com/

    感谢感谢!

    4 条回复    2025-07-08 20:51:02 +08:00
    helloms
        1
    helloms  
       174 天前
    挺好的,试用了
    pengxu980315
        2
    pengxu980315  
    OP
       174 天前
    @helloms 感谢感谢!
    shaking
        3
    shaking  
       173 天前
    这个是文字转语音吧,标题是不是写反了
    pengxu980315
        4
    pengxu980315  
    OP
       173 天前
    @shaking 是的,我看看能不能改,尴尬。不过我后续准备在这个网站上语音转文字,感谢感谢!
    关于     帮助文档     自助推广系统     博客     API     FAQ   Solana     3319 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 55ms UTC 05:01 PVG 13:01 LAX 21:01 JFK 00:01
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86