现阶段最优的语音转文本，文本转语音的方案是不是这两个呀

[momomoi]

GPT-SoVITS + FunASR 本地化部署、支持中英文、调研了下 最优组合了吧

[tommyshelbyV2]

生产环境下不是

[zoharSoul]

并发能支持多少呀?

[momomoi]

@zoharSoul 我在确认最优方案啊

[zoharSoul]

@momomoi #3 我就是问问这个方案性能怎么样呀

[tool2dx]

"最优的语音转文本"

我自己测试下来,识别率最高的是多模态的 gemini 2.5 pro. 因为是思考模型, 不能实时语音录入, 但识别率很高.

[FlashEcho]

GPT-SoVITS 疑似是有点古老了，可以看看 fish-speech 1.5 ，CosyVoice 3

[Suinn]

@chesha1 CosyVoice 3 好像还没开源┭┮﹏┭┮

[cq65617875]

funasr 那个识别率……

[humbass]

funasr 在开源项目里头算可以的了
只是没有找到合适的 tts ，SoVITS 是否支持 websocket ？@ momomoi

[w568w]

借楼问问现在识别率最高、延迟最低的本地部署语言转文字系统是什么？

[hmxxmh]

gpt-sovits 是搞声音克隆比较好吧，魔搭上面 CosyVoice 比较火，也可以看看 chattts

[312ybj]

k2 whisper 也能做本地部署。asr 还要看音频前端算法，这个对 wer 的影响很大， 能看到的商用音频接口，肯定做了音频前端处理

[Aixtuz]

用过 CosyVoice2.0 的 Demo ，感觉效果挺好的。
就是多音字和断句，偶尔有点问题。

[Aixtuz]

语音转文本的话，用过通义听悟，个人用用签到送的量就差不多了。
除了人名和特殊名词以外的部分，准确率挺高了。而且比较方便点到哪、播到哪的校对。

[jadeborner]

跟 minimax 比怎么样

[Oats]

tts 的话 indextts 个人感觉不错

[cccssss]

铜币送上，学习了

[hurrytospring]

线上服务有比较好的吗

[chenzi0103]

可以看下我写的 实现了你说的 而且识别率和播放都还可以
https://github.com/chengzi0103/SoulSpeak

用的是 funasr + cosyvoice2

[momomoi]

@chenzi0103 好的 感谢