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...
排序
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...
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...
GLM-4-Voice – 智谱AI推出的端到端情感语音模型
GLM-4-Voice是 智谱AI 推出的端到端情感语音模型...
FunASR – 阿里开源的多功能语音识别工具包
FunASR是由阿里巴巴达摩院开源的语音识别工具包，提供包括...
Dolphin – 清华联合海天瑞声推出的语音识别大模型
Dolphin是清华大学电子工程系语音与音频技术实验室联合海...
CSM – Sesame团队推出的语音对话模型
CSM（Conversational Speech Mode...
陌生人闹钟 – AI闹钟应用，随机陌生人叫你起床的社交软件
陌生人闹钟是一款创新的闹钟应用，通过AI技术连接全球用户，让...
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...
FunAudioLLM – 阿里巴巴通义团队推出的开源语音大模型
FunAudioLLM是阿里巴巴通义实验室推出的开源语音大模...
EVI 3 – Hume AI推出的语音语言模型
EVI 3是Hume AI推出的全新语音语言模型，模型能同时...
Baichuan-Audio – 百川智能开源的端到端语音交互模型
Baichuan-Audio是百川智能推出的端到端音频大语言...
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...
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...
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...
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...
AI酱 – AI聊天应用，二次元风格的多语言实时对话
AI酱是二次元风格的AI多语言智能聊天APP，提供了多个二次...
Aider – 开源AI编程助手，基于命令行指定自动完成代码修改
Aider 是开源的 AI辅助编程 工具，基于终端与大型语言...
AgenticSeek – 开源本地通用AI Agent，自主执行任务
AgenticSeek是完全本地化的开源AI助手，是 Man...
PaddleSpeech – 百度飞桨团队开源的语音处理工具
PaddleSpeech 是百度飞桨团队开源的语音处理工具...
edge-tts – 开源的AI文字转语音项目
edge-tts是开源的AI文字转语音项目 ，支持超过40种...
clone-voice – 开源的声音克隆工具，支持16种语言
Clone-voice是开源的 声音克隆工具 ，基于深度学习...
百聆 – AI语音对话助手，端到端时延低至800ms
百聆(Bailing)是开源的语音对话助手，基于 语音识别 ...
Audio-SDS – NVIDIA推出的扩展文本条件音频扩散模型
Audio-SDS是NVIDIA AI研究团队推出的创新技术...
ARTalk – 东京大学等机构推出的3D头部动画生成框架
ARTalk是东京大学和日本理化学研究所推出的新型语音驱动3...
Pipecat – 构建语音和多模态对话代理的开源框架
Pipecat是开源的Python框架，专注于构建语音和多模...
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...
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...
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...