与「TTS」相关的搜索结果

🚀 The full DeepSeek App experience, now via API Search, files, links, safety, and voice. The capabilities behind the DeepSeek App are now available through the DeepSeek API. Enable built-in features with a few parameters, or call standalone APIs such as OCR, ASR, and TTS. Build richer conversations or recreate the full DeepSeek App in your own application. Try our open-source frontend demo, with support for importing DeepSeek conversation history. 🔗 Demo: 📦 Code: 📖 Details: 1/4

目前本地部署的 AI 服务栈基本凑齐了，链路如下： 🎙️ ASR：QwenASR + Whisper 🗣️ TTS：IndexTTS + BreezyTTS 🎵 音乐：Yue2 + MiniMax Music 🖼️ 图像：QwenImage 2.1 🧠 LLM：Qwen3.8 27B 🎬 视频：MiniMax H3 + LTX 2.5 从语音识别、语音合成、音乐、图像、大模型到视频生成，本地自建服务一条龙

EnConvo：All in One的AI助手 EnConvo是最近新出的AI助手，功能最全面，你能想到的功能都有了，基本上接管了我的macOS，可以说是系统级的全能AI中枢。 符合我需求的主要是两方面：第一是可以便捷的给AI助手配置全面的外接能力，包括生图、生视频、语音识别、合成语音，给AI助手补充上完整的能力，相当于眼睛、嘴巴、耳朵、画笔都有了，适合媒体创作；第二是全面融合到电脑里的任意应用，我现在是在Chrome里开问问Gemini侧边栏、在PPT开Claude侧边栏，在Notion里因为没买他的AI会员就只能复制粘贴使用，使用EnConvo可以扩展到每个应用的侧面直接用，也支持快捷键快速唤起和全局语音输入，免去了所有的复制粘贴。 而且EnConvo能接入你已订阅的AI，包括GPT、Claude等，不付费也是完全能用的，付费则可以按量使用Opus模型。 EnConvo的功能有多全面，请看我大致挖掘的功能列表。 EnConvo= Codex：编程、工作、Computer Use +多媒体工作台：ASR、TTS、OCR、生成图片、生成视频，其中的ASR、TTS、OCR支持配置本地模型，使用Opus+这些能力，就是天然的多媒体Agent，可以实现翻译视频、一键生成短剧等功能 +飞书会议：发起多人会议、实时转录、会议纪要 +豆包输入法：按住右侧Command键语音输入。而且不会像豆包那样抢占输入法 +Ollama：下载适合电脑配置的模型，然后本地运行 +UU远程：手机端EnConvo连接电脑，可以远程操控 +全局语音唤起：按右侧的option即可语音输入发起聊天，AI同时用文字+语音回复 +划词搜索：类似苹果自带的三指查询，选中词条或句子可以唤起工具栏，翻译/解释/AI润色/问问AI等自定义工具 +应用侧边栏：吸附在当前正在使用的应用旁，伴随式协助阅读、编程或写作 +桌面宠物：可以互动和派任务 +Live Talk实时对话：类似GPT的实时语音对话 +下载视频：YouTube、X、Tiktok等均可下载 +知识库：导入和管理知识库 因为能配全套的音视频能力，制作大肥鱼视频是完全没问题的。看看大肥鱼来讲解黄仁勋出轨事件的来龙去脉。 官网免费下载：

ESTO ES UNA BARBARIDAD un desarrollador, en solitario, acaba de sacar una alternativa 100 % GRATIS a ElevenLabs que funciona del todo en tu ordenador. ya lleva 19.400 estrellas en GitHub. te deja: → clonar una voz con un clip de referencia limpio → doblar cualquier vídeo a 646 idiomas → hacer audiolibros, dictar y transcribir → elegir entre 14 motores TTS en vez de uno solo ElevenLabs tiene 32 idiomas. esto tiene 646. sin pagar por carácter. sin límites. tu audio no sale nunca de tu ordenador. guárdatelo 🔖 repo abajo 👇

Claude Fable 5.2 做的英语启蒙视频太棒了！ 最近我儿子在上英语课，老师给了几个视频让他在家看，但是我觉得太一般了，而且不够有趣，娃也不爱看 于是我就想，这种视频 Claude 应该很擅长才对啊，立马安排，做了一集给 3-6 岁孩子看的英语启蒙动画 句型、选画风，教哪些词、笑点放哪全部都是 Claude 定的，角色图我是让 Claude 用 Codex 生成，效果会好一点 配音用第三方TTS，画面都是用代码逐帧渲染的，伴奏和音效也是代码合成 成品出来的时候，有点惊讶，一点都不比市面上那些英语 App 的视频差啊，甚至更好，而且几乎无成本！ 这个视频只花了我20%的5小时额度（Pro订阅），所以理论上你一天可以做10个这种视频，拿去给娃磨耳朵或者做垂直账号都非常合适！ 在打磨打磨做一个 skill 出来，后面只需要一句话就可以出这种视频了

Personal Agent 趋势判断： 不论是 Muse、Dot 还是 Grok Bot ... 目前都是你和它沟通，它完成一些事情， 而我们日常生活和工作中，做具体的事只是一部分，很大一部分时间都在沟通上。 不论是当面沟通、发消息、打电话、视频会议... 等等。 不能替你去和别人沟通的 Agent 体系是不完整的。 能替你进行沟通，需要以下先决条件： 1. 懂你：Agent 知道你是怎样的人，怎样的沟通表达习惯 Memory & Soul 2. 懂对方：Agent 知道沟通对象、知道沟通上下文（Context）和下一步沟通目标（Target） 3. 懂沟通、能沟通：Agent 知道沟通技巧（Skill），知道准备最合适的材料（文档、图片、PPT、动画视频...），知道使用沟通工具（Zoom、Slack...），会听、看、说，需要多模态能听懂、看懂、说话（TTS、ASR...） 目前几乎技术都满足了，只需要一个合理机制把这些组合起来。 2027 年，会替你沟通的 Agent 成为主流，不会替你沟通的 Agent 会是边缘。

🚨重磅：我们2000+ Star的开源项目迎来了重大更新：经过多轮迭代，我们用Opus 5.5 新增了9种讲解视频风格，不求多，只求做到极致，经过多次迭代后，今天开源分享给大家，效果可以见视频，感觉任何一周都可以拿去起号了 看看大家更喜欢哪一种，或者有推荐的风格也可以发给我 测试发现用我们的skill模版，即使是用codex也开始可以产出类似的效果 使用流程也很简单： 1️⃣ 拉取最新的代码 2️⃣ 在 harness （claude 的模型最佳）使用该skill 完成关于【任意主题】的动画讲解，风格使用【v1 设计师】风格 3️⃣ 配音（可选），使用相关TTS模型完成配音 4️⃣ 生成数字人口播视频（可选），如果想加数字人，就用我们上面的配音驱动+ 你的数字人图片 生成最终视频。然后让claude 完美融合视频即可 开源地址见评论👇

自从 Opus 5.5之后，一部分不露脸口播博主的视频质量大幅提升，原来只会写文字的博主有福了。 文本是博主写的，但素材是 Opus5.5 在网络上找的，动画是它做的，声音是 TTS 克隆的，剪辑合成是 Opus5.5 做的。 文字工作者是完完全全的甲方，只不过乙方是个能力又强又全面的 Agent。

尝试了一下用 Opus 5.5 做吃瓜视频，全程自己找素材自己配音（Gemini 3.8 Flash TTS，我提供了 API Key） 图1 是英文版 图2 是中文版 ---- Prompt ---- 帮我做一条吃瓜视频，话题：{话题}（补充素材：{链接/截图，可选}；去敏版：去掉 {人名}，可选） - 内容：八卦、狗血、有冲突和金句，但事实必须准确、有来源。开头 3 秒抛出最炸的点，结尾抛问题引导评论。 - 素材：从 X、YouTube、新闻等广泛搜集，需要我协助就说。以视频片段为主，每句文案配合适的画面，图片和截图只偶尔点缀。多找两人同框的镜头。不重复使用同一画面。裁掉原视频的字幕和台标。不用儿童正脸。标注来源。（可以借助 yt-dlp 下载素材） - 规格： - 9:16 竖版，4–6 分钟，中、英两个版本。 - Gemini 3.8 Flash TTS 配音，旁白清晰。BGM 随旁白自动压低。 - 全程右上角水印 X @dotey。 - 画面： - 第一帧做封面：当事人照片 + 大字标题，越醒目越好。 - 解读推文时叠加推文原文卡片：英文原文高亮关键句，附中文翻译。 - 字幕每条说完一整句，可以 2–3 行，不截断单词。 - 去敏版：旁白、字幕、截图、画面里都不出现相关名字和人物，其余不变。 - 交付前：用 STT 回听旁白、抽帧检查、检查重复镜头。然后发我成片、720p 预览和封面