SurfSense 是可定制的 AI 研究代理，可作为 NotebookLM 或 Perplexity 的开源替代方案，支持连接外部来源，如搜索引擎（Tavily、LinkUp）、Slack、L...

Spark-TTS是基于LLM的高效文本转语音模型，让语音合成更自然、更高效。 亮点特性 零样本文本到语音的无缝转换，无需额外训练 支持中英双语，轻松实现跨语言合成 可控语音生成，可调节音色、语...

GibberLink 是让 AI 对话从语言切换到特殊音频协议的工具，实现更高效、更隐秘的交流。 GibberLink 的原理是通过音频在两个设备之间传输数据。据称这种语言工具的交流效率比英语更...

Fideo 是开源的直播录制工具，基于 React、ffmpeg、Electron、Shadcn、FRP 实现，支持监控直播，可以帮助用户简单便捷地对直播进行录制，并保存为 MP4 格式的视频。...

AudioNotes 是基于 FunASR 和 Qwen2 构建的音视频转结构化笔记系统，能够快速提取音视频的内容，并且调用大模型进行整理，成为一份结构化的 Markdown 笔记，方便快速阅读...

Amphion 是开源的音频、音乐和语音生成整合工具包。 主要特性 文本转语音（TTS）：高性能，支持主流模型及架构，可生成自然的声音。 歌声转换（SVC）：可将某人歌声转换成其他人歌声，内置张...

GPT-SoVITS 是少样本语音转换与语音合成工具。仅需提供 5 秒语音样本即可体验达到 80%~95% 像的声音克隆，若提供 1 分钟语音样本可以逼近真人的效果，且训练出高质量的 TTS 模...

EmotiVoice（易魔声）是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。 EmotiVo...

发音转换器，可以将中文的发音对应到外语发音，以达到用外语说中文的效果。 如何使用？ 输入想转换的文字，将得到的结果复制到谷歌翻译等网站即可得到发音。 谷歌翻译：https://translate...

Mocking Bird 是一个实时语音克隆项目，可在 5 秒内克隆声音并生成任意语音内容。 特性 支持普通话并使用多种中文数据集进行测试：aidatatang_200zh, magicdata...

gTTS 是一个 Python 库和 CLI 工具，用于与 Google Translate 的 text-to-speech API 交互。 特征 可定制的特定于语音的句子标记器，允许阅读无限...

MaryTTS 是一个用纯 Java 写的文本转语音客户端服务器系统，因此可以在许多平台上运行。 运行 MaryTTS 运行./gradlew run 启动 MaryTTS 服务器。然后使用 W...

ASRT 是一个基于深度学习的中文语音识别系统，全称为 Auto Speech Recognition Tool。此项目使用 Keras、TensorFlow，基于深度卷积神经网络和长短时记忆神...

Realtime-Voice-Clone-Chinese 是一个 AI 拟声软件，可以在 5 秒内克隆你的声音并生成任意语音内容。是仅支持英语的 Real-Time-Voice-Cloning ...

Coqui TTS 是一个用于高级文本到语音生成的库。它建立在最新研究的基础上，旨在实现易于训练、速度和质量之间的最佳平衡。Coqui TTS 带有预训练模型、用于测量数据集质量的工具，并且已经...

XZVoice是一款文字转语音软件，采用阿里语音引擎！ 支持添加自定义阿里key 支持添加自定义背景音乐 支持Windows、Mac系统

Mozilla Voice STT 是开源的语音转文本(Speech-To-Text)引擎，使用基于百度 Deep Speech 研究论文的机器学习技术作为训练模型，并通过 TensorFlow...

online_speech_recognition 是一个在线文字内容转音频文件的小工具，开发这个小工具的目的是可以把微信公众号文章转为mp3音频文件，然后插入自己的微信公众号文章中去，非常方便...

讯飞在线语音合成（流式版）SDK。 这是一个讯飞在线语音合成的 sdk 源码，以及调用的 demo。 可以在 neget 包管理搜索 XunFeiNETSDK 安装。

一款完全本地化的，集语音识别、语义处理、语音合成的聊天机器人程序。 Roby-0.0 目前还是一个 demo，用于测试一些基本功能。它仅适用于 Linux。支持英语和中文。 演示视频： http...