speech

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

成为顶尖的人工智能与机器学习研究工程师

eSpeak NG是开源语音合成器，支持上百种语言和口音

面向苹果芯片的端侧语音人工智能

Silero模型：提供预训练语音转文本、文本转语音和文本增强模型，极致简化实现

在手机、可穿戴设备及AI原生硬件上本地运行人工智能

支持本地模型（Nvidia Parakeet/Whisper）与云端模型（BYOK）的语音转文字听写应用，注重隐私优先，并实现跨平台兼容。

顶尖自然语言处理技术

开放歌唱合成平台 / 开源UTAU继任者

开源语音代理平台

开放歌声合成平台/开源UTAU后继项目

在您的设备上即时生成AI驱动的字幕。可独立运行或连接达芬奇调色软件。

基于Windows LiveCaptions的轻量级强大实时音频/语音翻译工具

将您的PC、Mac或Linux设备转变为AI服务器，支持大语言模型推理、聊天界面、语音、智能体、工作流、RAG及图像生成。

MOSS‑TTS 系列是由 MOSI.AI 与 OpenMOSS 团队开发的开源语音与声音生成模型系列。

在您的应用中集成前沿CoreML音频模型——文本转语音、语音转文本、语音活动检测及说话人分离。基于Swift开发，由顶尖开源技术驱动。

暂无项目描述

将您的PC、Mac或Linux设备转变为AI服务器，支持LLM推理、聊天界面、语音、智能体、工作流、RAG及图像生成。

随处可用的本地AI，人人皆可——涵盖LLM推理、聊天界面、语音、智能体、工作流、RAG及图像生成。无需云端，无需订阅。

设备端实时多模态AI。与完全运行在您本机上的AI进行自然的语音和视觉对话，由Gemma 4 E2B和Kokoro驱动。

支持16+模型家族的ggml语音转文本推理

ASR/STT字幕生成器。采用Qwen3-ASR、本地LLM、Whisper、TEN-VAD技术，具备针对JAV场景的噪声鲁棒性

开源私人日志本，内置本地智能代理层。长期运行的 AI 代理会读取你的记录并建议下一步行动。在硬件允许的情况下，模型也可在本地运行。采用 Matrix 与 Vodozemac 实现设备间的端到端加密同步。

实时语音翻译——支持macOS和Windows，免费TTS，无需服务器，仅需使用你自己的API密钥