Weebo – AI语音聊天机器人，实时响应用户语音指令和问题
Weebo是实时语音 聊天机器人 ，基于Whisper Sm...
排序
SafeEar – 浙大和清华联合开源的AI音频伪造检测框架
SafeEar是由浙江大学和清华大学联合开发的AI音频伪造检...
Open NotebookLM – 开源的PDF转播客AI工具，能自定义语气
Open NotebookLM 是一个开源的AI工具，基于最...
Soundwave – 港中文深圳开源的语音理解大模型
Soundwave是香港中文大学（深圳）开源的语音理解大模型...
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...
OSUM – 西北工业大学开源的语音理解模型
OSUM（Open Speech Understanding...
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...
Voila – 开源端到端语音大模型，实现低延迟语音对话
Voila 是开源的端到端语音大模型，专为语音交互而设计。具...
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...
Realtime API – OpenAI推出的实时语音交互API
Realtime API是OpenAI推出的一种低延迟、多模...
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...
Open-LLM-VTuber – AI数字人语音交互项目，支持实时语音对话和视觉感知
Open-LLM-VTuber 是开源的跨平台语音交互 AI...
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...
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...
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...
TIGER – 清华大学推出的轻量级语音分离模型
TIGER（Time-frequency Interleav...
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...
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...
EMOVA – 华为诺亚方舟联合多所高校共同推出的多模态全能处理模型
EMOVA（EMotionally Omni-present...
ebook2audiobookXTTS – 开源电子书转有声书 AI 工具，支持16种语言
ebook2audiobookXTTS是开源的AI工具，能将...
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...
MaskGCT – 趣丸科技联合香港中文大学推出的语音合成大模型
MaskGCT是趣丸科技与香港中文大学（深圳）合作推出的语音...
VoxInstruct – 清华推出的开源语音合成技术，支持多语言和跨语言合成
VoxInstruct 是由清华大学开源的语音合成技术，能根...
Parakeet TDT 0.6B – 英伟达开源的自动语音识别模型
Parakeet TDT 0.6B 是英伟达推出的开源自动 ...
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...
Seed-VC – 零样本实现声音克隆和转换的技术
Seed-VC 是一种零样本声音转换技术，基于上下文学习实现...
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...
交交 – 上海交大推出的口语对话情感大模型
交交是上海交通大学听觉认知与计算声学实验室推出的全球首个纯学...
FoloUp – 开源AI语音面试平台，自动生成定制化面试问题
FoloUp 是开源的AI语音 面试平台 ，能帮助企业高效地...