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...
排序
Reverb ASR – Rev公司开源的自动语音识别和说话人分离模型
Reverb ASR是Rev公司推出的开源自动语音识别和说话...
PDF to Podcast – 英伟达推出的 PDF 转音频内容 AI 工具
PDF to Podcast是NVIDIA推出的PDF转音频...
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...
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...
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...
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...
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...
Freestyler – 西工大联合微软和香港大学推出的说唱乐生成模型
Freestyler是西北工业大学计算机科学学院音频、语音与...
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...
Aero-1-Audio – LMMs-Lab 推出的轻量级音频模型
Aero-1-Audio 是 LMMs-Lab 开发的轻量级...
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...
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...
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...
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...
Kokoro-TTS – 轻量级文本转语音模型，支持多语言多语音风格生成
Kokoro-TTS 是 hexgrad 开发的轻量级 文本...
Ichigo – 开源的多模态AI语音助手，实时处理语音和文本的交织序列
Ichigo是开源的多模态AI语音助手，采用混合模态模型，能...
EmotiVoice – 网易有道开源的AI语音合成系统
EmotiVoice是网易有道开源的多语言、多声音和提示控制...
ChatTTS – 开源的用于对话的生成式语音合成模型
ChatTTS是一款专为对话场景设计的支持中英文的文本转语音...
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...
AutoGLM-Web – AI浏览器助手，模拟用户进行网页浏览与交互
AutoGLM-Web是模拟用户操作的AI浏览器助手，基于大...
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...
SpeechGPT 2.0-preview – 复旦大学推出的端到端实时语音交互模型
SpeechGPT 2.0-preview 是复旦大学 Op...
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...
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...
悬河 – AI虚拟社交平台，与虚拟角色沉浸式文字或语音交流
悬河是 AI虚拟角色社交平台 ，支持用户与AI虚拟角色进行文...