AI仙宝p
githubpyVideoTrans｜视频翻译配音与字幕转写工具
一款开源的视频翻译工具，能把视频里的语音识别成字幕，翻译成另一种语言，再配上AI配音和字幕后合成为新视频，适合做搬运、课程本地化或个人创作的普通用户。
语音处理与翻译Windows / macOS / Linux使用难度
站长实测状态尚未登记
语音处理与翻译相关工具、教程与提示词
汇集语音处理与翻译主题下已发布的工具、教程、提示词与场景资料，帮助你了解用途、使用条件及操作方法。
AI 工具
s
githubsherpa-onnx｜离线语音识别与合成开发套件
在本地离线运行语音识别、语音合成、说话人分离、语音增强和语音活动检测等功能的跨平台语音开发套件，适合把语音能力集成进手机、嵌入式设备和桌面程序的开发者。
语音处理与翻译跨平台（Linux、Windows、macOS、Android、iOS、HarmonyOS、WebAssembly 等），以开发库形式提供使用难度
站长实测状态尚未登记
l
外部应用lala.ai｜音视频人声与伴奏分离提取
在线从歌曲、录音或视频中分离人声、伴奏和各类乐器声轨，适合翻唱制作、混音练习和音频素材整理。
语音处理与翻译网页在线服务使用难度
站长实测状态尚未登记
v
外部应用vocalremover｜在线人声与伴奏分离工具
一个在线音频分离网站，可将歌曲中的人声与伴奏分开，适合想快速提取伴奏或清唱片段、又不想安装专业软件的用户尝试使用。
语音处理与翻译网页在线服务使用难度
站长实测状态尚未登记
G
外部应用Grok Voice 3.0｜实时语音对话智能体
面向语音智能体与客服通话场景的实时语音到语音模型，支持多语言对话、自然轮次切换、打断处理，并能驱动工具完成具体任务，适合需要低延迟语音交互的开发者接入自有产品。
语音处理与翻译云端 API 服务使用难度
站长实测状态尚未登记
s
外部应用speech-to-speech｜模块化低延迟语音对话流水线
把语音识别、大模型与语音合成串成一条可替换的实时语音对话流水线，适合搭建语音助手、机器人和本地语音 Agent 的开发者。
语音处理与翻译服务端部署，通过 WebSocket 对外提供接口；具体运行环境待核验。使用难度
站长实测状态尚未登记
V
外部应用VoiceStudio｜本地优先的多引擎语音工作台
一个开源、以本地运行为优先的AI语音工作台，把多款语音合成与语音识别引擎聚合在一起，可做零样本音色克隆、视频配音和有声书制作，适合想自建语音工具的创作者与开发者。
语音处理与翻译本地部署，具体支持的操作系统与硬件要求待核验使用难度
站长实测状态尚未登记
V
外部应用VibeVoice｜微软开源长音频语音识别框架
微软开源的语音AI框架，当前主线为语音识别，可处理约一小时级长音频并做说话人分离与多语言转写，适合需要批量整理会议、访谈录音的用户。
语音处理与翻译本地部署（Python 环境，具体平台支持待核验）使用难度
站长实测状态尚未登记
S
外部应用Seamless｜多语言语音翻译与同传模型
Meta 开源的多语言语音翻译模型，可在说话者讲话过程中输出译文，并尽量保留语气与情感，适合研究语音同传和跨语言交流。
语音处理与翻译GitHub 开源项目；提供在线 Demo使用难度
站长实测状态尚未登记