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...
排序
NotesGPT – 开源的AI语音笔记工具，实时转录文本自动生成行动项
NotesGPT是一款开源的AI驱动语音笔记工具，能将用户的...
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...
NeMo – 英伟达推出的用于构建、定制和部署生成式AI模型
NeMo 是由 NVIDIA 提供的端到端云原生框架，用于构...
Muyan-TTS – 开源文本转语音模型，零样本语音合成
Muyan-TTS 是为播客场景设计的开源 文本转语音 （T...
MoshiVis – Kyutai 开源的多模态实时语音模型
MoshiVis 是 Kyutai 推出的开源多模态语音模型...
Moonshine – 实时转录场景、低延时高准确的语音识别模型
Moonshine是专为资源受限设备优化的语音识别模型，提供...
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...
MinMo – 阿里通义实验室推出的多模态语音交互大模型
MinMo是阿里巴巴通义实验室FunAudioLLM团队推出...
MiniMates – 轻量级AI数字人项目，支持语音和表情两种驱动模式
MiniMates是高性能的轻量级数字人驱动算法，具备语音和...
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...
Mini-Omni – 开源的端到端实时语音对话大模型
Mini-Omni 是一个开源的端到端语音对话模型，具备实时...
MeloTTS – MyShell AI推出的多语言文本到语音转换工具
MeloTTS 是一个由 MyShell AI 开发的开源的...
Megrez-3B-Omni – 无问芯穹开源的端侧全模态理解模型
Megrez-3B-Omni是无问芯穹推出的全球首个端侧全模...
MegaTTS 3 – 字节与浙江大学合作推出的零样本语音合成系统
MegaTTS 3是字节跳动与浙江大学合作推出的零样本 文本...
Mathtutor on Groq – AI数学辅导工具，支持用语音形式提出数学问题
Mathtutor on Groq 是基于 Groq 架构的...
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...
MARS5-TTS – 开源的AI声音克隆工具，支持140+语言
MARS5-TTS是CAMB.AI推出开源的 AI声音克隆工...
MarkItDown – 微软开源的多功能、多格式文档转Markdown工具
MarkItDown是微软开源的多功能文档转换工具，能将PD...
猫头音 – AI配音翻唱软件，将文字转化为个性化逼真的配音效果
猫头音是AI配音翻唱软件，将文字转化为逼真的语音。软件提供丰...
Mahilo – AI多智能体框架，支持创建与人类互动的多智能体系统
Mahilo 是灵活的多智能体框架，支持创建与人类互动的多智...
Lyra – SmartMore联合多所高校推出的增强多模态交互能力
Lyra是香港中文大学、SmartMore和香港科技大学推出...
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...
Lobe Chat – 免费开源的高性能AI聊天机器人框架
Lobe Chat是一个免费开源的高性能 AI聊天机器人 框...
Llasa TTS – 香港科技大学开源的文本转语音模型
Llasa TTS 是香港科技大学基于 LLaMA 架构推出...
LLaMA-Omni – 中科院推出的低延迟高质量的语音交互模型
LLaMA-Omni 是中国科学院计算技术研究所和中国科学院...
LilyFM – AI播客生成应用，一键将网页文章转为音频播客
LilyFM是创新的 AI播客生成 应用，能将网页文章转化为...
LatentLM – 微软联合清华推出的多模态生成模型
LatentLM是微软研究院和清华大学共同推出的多模态生成模...
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...
口语精灵 – AI口语学习应用，智能检测和纠正语法错误
口语精灵是 AI口语学习 软件，通过先进的人工智能技术和真人...