speech

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

Portable local AI studio for Windows, Linux, and macOS. Zero-setup GUI for Image Generation, GGUF LLMs, Text to Speech & Speech to Text

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

面向 Apple Silicon 的 AI 语音工具包 — 基于 MLX 和 CoreML 的 ASR、TTS、语音到语音、VAD 及说话人分离功能。

适用于 Windows、Linux 和 macOS 的未经审查的本地 AI 工作室。用于图像生成、GGUF LLM、文本转语音和语音转文本的零设置 GUI

SGLang-Omni 为 TTS、ASR、语音和全向模型提供高性能服务。

🎙️ AI Dictation App - Open Source and Local-first ⚡ Type 3x faster, no keyboard needed. 🆓 Powered by open source models, works offline, fast and accurate.

一个用于在Apple Silicon上使用MLX进行音频处理的模块化Swift SDK

适用于Mac的快速本地语音应用——系统级听写、文件与YouTube转录，以及会议录制。基于Apple Silicon上的Parakeet TDT驱动。免费且开源。

面向多语言ASR与TTS模型的C++ ggml运行时中心：支持Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2等，并集成通用强制对齐等功能

QVAC - 本地AI SDK与库，用于构建私密、跨平台、点对点的AI应用程序。在Linux、macOS、Windows、Android和iOS上本地运行LLM、语音转文字、翻译等功能。

快速、可扩展的桌面翻译套件。翻译、OCR、TTS、拼写检查 — 使用插件系统。

语音转语音：致力于构建开源模块化GPT4-o的项目

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。