語音模型STT/TTS

語音模型STT/TTS

| 類型 | 代表模型 | 用途 | 易用性 | | ——————- | ——————————— | ————— | —– | | 🎙️ 語音轉文字 STT | Whisper | 錄音→文字 | ⭐⭐⭐⭐⭐ | | 🎙️ 語音轉文字 | FunASR | 中文、中文語音辨識 | ⭐⭐⭐⭐⭐ | | 🎙️ 語音轉文字 | SenseVoice | 中文、多語言、情緒/事件辨識 | ⭐⭐⭐⭐⭐ | | 🗣️ 文字轉語音 TTS | Piper | 本地快速朗讀 | ⭐⭐⭐⭐ | | 🗣️ 文字轉語音 | CosyVoice | 中文、多語言、高品質 | ⭐⭐⭐⭐⭐ | | 🗣️ 文字轉語音 | Fish Speech | 高品質、多語言、聲音克隆 | ⭐⭐⭐⭐⭐ | | 🗣️ 文字轉語音 | Qwen3-TTS | 新一代多語言 TTS、聲音控制 | ⭐⭐⭐⭐⭐ | | 🗣️ 語音→語音 | GPT-SoVITS | 聲音克隆、少量樣本訓練 | ⭐⭐⭐⭐ | | 🤖 Speech-to-Speech | Moshi | 直接語音對話 | ⭐⭐⭐ | | 🤖 Speech LLM | Qwen2-Audio / Qwen2.5-Omni 系列 | 聽懂語音＋理解內容 | ⭐⭐⭐⭐⭐ |

多個語言模型整合

🎤 使用者說話
       ↓
   Whisper / FunASR
       ↓
    語音轉文字
       ↓
 PostgreSQL + pgvector
       ↓
   ISO 文件 RAG
       ↓
      LLM
       ↓
   答案 / 引用條文
       ↓
 CosyVoice / Qwen3-TTS
       ↓
🔊 用語音回答