闪电般快速、设备端运行的多语言TTS——通过ONNX原生执行。

端到端语音识别基础工具包与开源SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

基于新一代Kaldi与onnxruntime的离线语音转文字、文字转语音、说话人日志、语音增强、源分离及语音活动检测技术。支持嵌入式系统、Android、iOS、HarmonyOS、树莓派、RISC-V架构、x86_64服务器、WebSocket服务端/客户端，兼容12种编程语言。

说话人日志神经构建模块：语音活动检测、说话人变更检测、重叠语音检测、说话人嵌入

开源 SenseVoiceSmall 模型，适用于普通话、粤语、英语、日语和韩语 ASR、语言 ID、情绪识别和音频事件检测。

适用于Android、iOS、树莓派及服务端的离线语音识别API，支持Python、Java、C#和Node.js开发语言。

适用于 macOS 和 iOS 的 RSS 阅读器

专为Apple Silicon打造的LLM推理服务器，具备连续批处理和SSD缓存功能，可通过macOS菜单栏管理

VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案 — 提供 646 种语言的语音克隆、语音设计、视频配音、听写、转录和有声读物创建。

🌈 一款跨平台的划词翻译与OCR软件

霹雳加

一个快速简洁、功能强大且灵活多用的日志框架，支持 macOS、iOS、tvOS、watchOS 和 visionOS

这款命令行工具支持从iOS应用商店搜索并下载应用程序包

WebKit 项目主页，该浏览器引擎被 Safari、邮件、应用商店及众多 macOS、iOS 和 Linux 应用程序使用。

大语言模型微调与强化学习 🦥 以2倍速度训练OpenAI gpt-oss、Qwen3、Llama 4、DeepSeek-R1、Gemma 3，节省70%显存

1分钟的语音数据也可以用来训练一个好的TTS模型！ （几张声音克隆镜头）

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

MIT与MyShell联合开发的即时语音克隆技术

工业级可控高效的零样本文本转语音系统