echogarden-project/echogarden

它解决了什么问题

Echogarden 提供了一个统一且易于安装的语音处理工具集。它消除了对 Python 或 Docker 等复杂系统级依赖的需求，使用户能够通过 Node.js 直接运行高质量的语音转文本、文本转语音以及音频分析工具。

它如何工作

该项目使用 TypeScript 编写，并在 Node.js 运行时上运行。它结合了纯 TypeScript 实现、WebAssembly 版本以及 ONNX 运行时，以离线方式执行 AI 模型（如 Whisper 和 Kokoro），同时提供与 Google、Microsoft、Amazon 和 OpenAI 的云端语音服务的集成。

适合谁使用

专为希望将语音功能集成到 Node.js 应用中的开发者，以及需要强大命令行界面进行音频转录、翻译和合成的终端用户设计。

主要特性

• 全面的语音工具套件：包含文本转语音（TTS）、语音转文本（STT）、语音活动检测（VAD）和声源分离。
• 无需 wget 的安装方式：无需 Python 或 Docker；作为标准 npm 包安装。
• 高级对齐功能：支持使用动态时间规整（DTW）和引导解码实现语音到文本的对齐，覆盖 100 多种语言。
• 音频增强功能：内置语音降噪和从背景音乐或环境噪音中分离人声的功能。
• 发音优化：包含文本规范化和异音词消歧功能，以提升离线 TTS 引擎的准确性。
• 词级时间戳：为所有识别、合成和翻译输出提供精确的时间标记。