🧩 Chức năng: Tự động hoá quy trình
Ứng dụng desktop chuyển đổi giọng nói thành văn bản (Speech-to-Text) chạy trực tiếp trên thiết bị (on-device). Đáng chú ý vì tính riêng tư và khả năng xử lý offline mà không cần API bên thứ ba.
🧩 Chức năng: Tự động hoá quy trình
Ứng dụng desktop chuyển đổi giọng nói thành văn bản (Speech-to-Text) chạy trực tiếp trên thiết bị (on-device). Đáng chú ý vì tính riêng tư và khả năng xử lý offline mà không cần API bên thứ ba.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề)
Công cụ mã nguồn mở YouDub-Desktop hỗ trợ định vị và lồng tiếng video AI cho YouTube/Bilibili. Tích hợp sẵn nhận diện giọng nói, dịch phụ đề, nhân bản giọng nói (voice cloning), trộn âm thanh và render hoàn chỉnh.
🧩 Chức năng: Xử lý giọng nói/âm thanh (đọc, chép lời, lồng tiếng)
OpenLess là công cụ nguồn mở cho macOS và Windows cho phép giữ phím tắt, nói và nhận văn bản được AI chỉnh sửa ngay tại vị trí con trỏ, hữu ích cho nhập liệu bằng giọng nói.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng
ElevenLabs - AI voice synthesis platform for text-to-speech generation, voice cloning and multilingual dubbing on Windows 10/11
Reson8/Rumble-2-Flash là một mô hình Automatic Speech Recognition (ASR) mới trên Hugging Face, được tối ưu cho việc chuyển đổi giọng nói thành văn bản nhanh và chính xác. Nó có thể được tích hợp vào các ứng dụng chat, trợ lý ảo hoặc công cụ nhận diện ngôn ngữ. Model được phát hành với mã nguồn mở, dễ dàng tùy chỉnh và triển khai.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề) · Tự động trọn gói — từ kịch bản ra video thành phẩm
Workflow tự động hóa từ script đến xuất bản video lên Telegram, tích hợp visual media pipeline. Giúp content creator giảm thiểu thao tác thủ công, tăng tốc độ đăng bài. Mã nguồn mở, có thể tùy biến cho các nền tảng khác.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng · Hậu kỳ & ghép (ComfyUI, upscale, nội suy khung, phụ đề) · Tự động trọn gói — từ kịch bản ra video thành phẩm
CapCap là ứng dụng Windows hỗ trợ toàn diện việc localizing và lồng tiếng video ngắn, tích hợp các tính năng transcription, dịch thuật, tạo giọng nói và chỉnh sửa timeline. Công cụ này cực kỳ hữu ích cho việc sản xuất nội dung đa ngôn ngữ hoặc làm MMO video.
Mô hình audio-to-audio voice-isolator từ Inworld, có thể tách tiếng ồn và làm rõ âm thanh. Công cụ thú vị cho xử lý âm thanh bằng AI.
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng
最好用的 Android 离线语音克隆与三语 TTS(误)——基于 GPT-SoVITS,支持中日英。 | The best offline voice cloning & trilingual TTS on Android (jk) — powered by GPT-SoVITS (ZH/JA/EN).
Posted by Alexander A. Shvedov on Nov 18 Product: GPAC (MP4Box) Affected: GPAC < 26.07.0 Reproduced on 26.03-DEV-rev329-g8f5b30243-master Commit 8f5b302439e9ac08f92faeef18c1d97cc77698bf Fixed: 25081b9610477fc8de48d2f1cadd3fd232a9dcbc CVE: …
🧩 Chức năng: Giọng nói / TTS — đọc văn bản, nhân bản giọng, lồng tiếng
Tiny multilingual text-to-speech that runs fully on ESP32-P4 and ESP32-S3: C99 int8 runtime, per-language front-ends, single-language and bilingual voices
A Lack of ownership verification on the Hugging Face platform allowed researchers to take control of Kokoro, a text-to-speech model used in projects from Google, NVIDIA, AMD, Intel, and Amazon Web Services. [...]
A Lack of ownership verification on the Hugging Face platform allowed researchers to take control of Kokoro, a text-to-speech model used in projects from Google, NVIDIA, AMD, Intel, and Amazon Web Services. [...]