TEN VAD – AI实时语音活动检测系统，低延迟、轻量级、高精度
TEN VAD 是高性能的实时语音活动检测系统，专为企业级应...
排序
Takin AudioLLM – 喜马拉雅推出的系列零样本语音生成模型
Takin AudioLLM是喜马拉雅Everest团队推出...
Parler-TTS – Hugging Face开源的文本转语音模型
Parler-TTS是由Hugging Face推出的一款开...
CleanS2S – 流式语音到语音交互智能体原型，同时进行听和说
CleanS2S是一个流式语音到语音（S2S）交互智能体原型...
悦录 – AI语音转文字工具，支持多种语言和方言、准确率高达95%+
悦录是 AI语音转文字工具 ，基于同花顺的智能语音、自然语言...
TIGER – 清华大学推出的轻量级语音分离模型
TIGER（Time-frequency Interleav...
The Language of Motion – 斯坦福李飞飞团队推出的统一多模态语言模型
The Language of Motion是斯坦福大学李飞...
OmniAudio-2.6B – Nexa AI推出的端侧多模态音频语言模型
OmniAudio-2.6B是Nexa AI推出的音频语言模...
OuteTTS – 开源的文本到语音合成项目，基于纯语言建模方法生成语音
OuteTTS是开源的文本到语音（TTS）项目，基于纯语言建...
Lobe Vidol – AI数字人交互平台，可与虚拟人和 3D 模型聊天互动
Lobe Vidol是开源的 数字人创作平台 ，让每个人都能...
Phi-4-Multimodal – 微软最新推出的多模态语言模型
Phi-4-Multimodal 是微软最新推出的多模态语言...
OSUM – 西北工业大学开源的语音理解模型
OSUM（Open Speech Understanding...
FeedMe – 多源RSS内容聚合AI工具，一站式获取最新内容
FeedMe 是专为 Android 设计的离线 RSS 阅...
WhisperChain – AI实时语音转文字工具，自动对文本进行清理和优化
WhisperChain 是开源的 语音识别工具 ，基于语音...
Spirit LM – Meta推出多模态语言模型，无缝集成语音和文本
Spirit LM是由Meta AI团队推出的一种多模态语言...
RTranslator – 开源的离线、实时、多语言翻译应用程序
RTranslator 是一款开源、免费、离线实时翻译应用程...
MooER – 摩尔线程推出的业界首个音频理解大模型
MooER是摩尔线程推出的业界首个基于国产全功能GPU训练的...
MiniCPM-o 2.6 – 面壁智能开源的多模态大模型，性能媲美GPT-4o
MiniCPM-o 2.6 是MiniCPM-o 系列最新...
Emote – AI生活管理笔记，实时转录语音快速记录笔记内容
Emote是AI互动记录的聊天式笔记，帮助用户轻松记录和追踪...
小饿 – 饿了么推出的骑手端AI智能语音助手
小饿是饿了么为外卖骑手推出的AI智能语音助手。基于大模型技术...
Westlake-Omni – 西湖心辰开源的中文情感端到端语音交互模型
Westlake-Omni 是西湖心辰推出的全球首个开源中文...
OpenVoice – 免费开源的AI语音克隆项目
OpenVoice是由MyShell推出的一个免费开源的AI...
Oliva – 开源语音RAG助手，实时语音搜索向量数据库
Oliva 是开源的语音RAG助手，结合 Langchain...
Indic Parler-TTS – 开源多语言TTS模型，专注于合成印度语和英语
Indic Parler-TTS 是 Hugging Fac...
PodAgent – 港中文、微软、小红书联合推出的播客生成框架
PodAgent 是香港中文大学、微软和小红书联合推出的播客...
LangBot – 多模态即时聊天机器人构建与管理的开源平台
LangBot 是开源的即时 聊天机器人 平台，支持多平台...
汉王语音王 – 汉王科技推出的智能语音APP
汉王语音王是汉王科技推出的智能语音APP，集成了AI语音记录...
EmoxCare – AI心理咨询师，提供针对性的疗愈指导
EmoxCare是免费的AI心里咨询师，帮助用户进行心理健康...
Zonos – ZyphraAI 开源的多语言 TTS 模型
Zonos是Zyphra推出的高保真 文本到语音 （TTS...
Ultravox – 端到端多模态大模型，直接理解文本和人类语音
Ultravox是新型的多模态大型语言模型（LLM），能直接...