语音输入输出

[exqmjmz]

能否实现语音输入、输出。主要用于一些涉及到语音交互的场景，比如：语言学习、字幕配音

1、在聊天框中用户可以通过麦克风进行语音输入，将语音识别成文本，并发送，可以设置语音输入结束后多长时间就自动发送文本 2、AI答复可以进行语音播放，可以通过设置成自动播放或手动播放，下载该段音频

语音模型或者引擎可以集成或者让用户设置第三方服务集成

[kangfenmao]

感谢提出反馈意见，我加入待办列表，功能完成后我会在下面回复

[kangfenmao]

不知道有没有什么本地模型可以支持这个

[exqmjmz]

不知道有没有什么本地模型可以支持这个

https://github.com/AEJays/edge-tts-nodejs/blob/master/README-cn.md

可以用edge-tts，白嫖edge的服务，不过这个是只实现了文字转音频的输出，语音转文字的识别好像还没有

[exqmjmz]

不知道有没有什么本地模型可以支持这个

同时实现语音转文字，文字转语音的有azureAI https://azure.microsoft.com/zh-cn/products/ai-services/ai-speech

[exqmjmz]

离线的有飞桨 https://github.com/PaddlePaddle/PaddleSpeech?tab=readme-ov-file

[Komorebi-yaodong]

不知道有没有什么本地模型可以支持这个

语音转文字有开源的whisper

[xvweirong]

可以参考这个: https://github.com/HaujetZhao/CapsWriter-Offline 但本地跑对PC要求还是很高的。Bilibili上有视频介绍，看上去效果不错。