AudioSmith 开源 Mac 语音工作室新增有声书、配音和转录工具

AudioSmith 是一款面向 Apple 芯片 Mac 的免费开源语音工作室,可将文本转换为语音、克隆和设计声音、将 EPUB 文件转换为分章 M4B 有声书、为视频配音,并通过说话人识别转录录音。所有模型均通过 MLX 在 Mac 的 GPU 上本地运行,无需账户、云服务或 Python,且模型下载后应用可离线工作。
事件版本 1.
Key insights
在 Apple 芯片上本地处理
每个模型都通过 MLX 在 Mac 的 GPU 上运行。该应用无需账户、无需云服务、无需 Python,且模型下载后可离线工作。
EPUB 转分章 M4B 有声书
导入 EPUB 后会自动按标题拆分章节,并生成带章节和封面艺术的 M4B 有声书。中断的渲染可以恢复,编辑句子时仅重新生成该句子。
声音设计与克隆
可以用一句话描述声音,例如“像纪录片旁白一样三十岁左右的温暖女声”,或从录音中克隆。该应用包含 37 个精选声音,主要为中文和英文。
视频配音流程
配音会将人声与背景音频分离,然后使用每个说话人克隆的声音逐行转录、翻译和配音。输出时长保持接近原始视频。
转录与听写
AudioSmith 通过说话人分离转录录音,并将口述语音输入到任何应用中。