高频资源合集

多语言翻译与字幕制作

浏览当前公开快照中“多语言翻译与字幕制作”相关的 AI 开源项目，并查看许可证、部署、适用场景、限制和核验来源。

pot-app/pot-desktop — pot-desktop 是一个跨平台桌面应用，聚合了多种外部和本地服务，提供划词翻译、输入翻译、截图 OCR、截图翻译及语音合成等功能。它通过可扩展的 .potext 插件系统实现功能增强，适合需要在 PC 端进行多源文本翻译和文字识别的用户。
harry0703/MoneyPrinterTurbo — moneyprinterturbo 面向希望从主题或关键词生成短视频的创作者，可串联脚本、素材匹配、配音、字幕与视频合成。它更适合能够自行部署并配置模型及语音服务凭据的团队，而不是需要全托管服务的非技术用户。
PDFMathTranslate/PDFMathTranslate — pdfmathtranslate 是一款用于翻译科学 PDF 文档并保留原始版面布局的工具。它能够在翻译过程中保留公式、图表、目录和注释，并支持生成双语对照文档。
NVIDIA-NeMo/Speech — nvidia-nemo/speech 是面向研究人员和 PyTorch 开发者的语音 AI 框架，用于构建、定制和部署语音识别（ASR）、语音合成（TTS）及语音大模型。目前项目正处于转型期，重心转向音频、语音和多模态大模型。
WEIFENG2333/VideoCaptioner — videocaptioner 是一款桌面端视频字幕处理工具，将语音转写、字幕优化、翻译和视频合成整合在一套流水线中。它提供免费的 ASR 与翻译选项（无需配置即可使用），同时也支持接入大语言模型（LLM）提升处理效果。
PaddlePaddle/PaddleSpeech — paddlespeech 是一个覆盖语音识别、语音合成、声音克隆、语音翻译和音频分类等任务的开源语音与音频处理工具包。它提供可通过命令行和服务端组件使用的训练、推理、测试与部署能力。

AI 搜索

高频资源合集