插件

使用 whisper.cpp 进行离线语音转文字，仅用 CPU。

轻量，仅用 CPU。模型约 40 MB 起。

用于录制模式，边说边出字。Whisper 模型，在你的电脑上运行。

支持说话人区分。尚不可用。

小巧、离线、仅用 CPU。支持七种欧洲语言。

在 CPU 上离线将英语语音转为文字。目前仅支持 Linux。

在 CPU 上离线将英语语音准确地转为文字。

离线字幕翻译，每个语言对一个小模型。

49 种语言的 158 个离线声音，每个都是单独的小型下载。

9 种语言的 54 个离线声音，全部来自同一个 82 MB 的模型。

十个离线声音，每个都能朗读其全部 31 种语言。

微型离线声音，14 种语言共 28 个，每个都不到 10 MB。

由文字描述驱动的英语声音，共 34 个具名说话人。

十种语言，九个声音，并可从 3 秒的说话人声音进行克隆。

16 种语言的声音克隆，模型许可仅限非商业用途。

仅提供声音克隆，支持英语和中文；模型为非商业用途。

48 kHz，30 种语言，用说话人自己的声音或描述出的声音。占用资源较多。

快速轻量，仅用 CPU。七种欧洲语言，23 个声音。

说话人自己的声音，在 CPU 上也很快。四种语言。

说话人自己的声音，16 种语言，在 CPU 上运行。权重采用限制性许可。

44.1 kHz，7 种语言：克隆、内置或描述出的声音，带情绪。占用资源较多。

Offline TTS in 20 languages, in the speaker's own voice cloned from a few seconds of the video or in one of 8 preset voices,…

使用 UVR、MDX 和 Demucs 模型，把人声与音乐、音效分离。

在 CPU 上离线进行口型同步。权重仅限非商业用途。

使用 MuseTalk 对视频或静态图片进行口型同步，需要 NVIDIA GPU。