搜索结果：voice（32 个）
按分类缩小范围
hex
综合 63
支持 Mac、Windows 和 Linux 的本地语音听写转文字工具。
FunASR
综合 80
支持训练、推理、流式 ASR、VAD、标点恢复及 OpenAI/MCP 兼容服务的开源语音识别工具包。
YuE
综合 80
前沿音乐生成模型，支持符号规划、零样本翻唱与 Agent 式音乐编辑。
agents
综合 78
用于构建实时语音 AI Agent（智能体）的开发框架。
speech-to-speech
综合 76
基于开源模型构建语音智能体（Voice Agent）的开发库。
VideoLingo
综合 74
全自动 AI 视频字幕组工具，支持高质量字幕切割、翻译、对齐以及自动配音。
openwhispr
综合 71
跨平台语音转文字应用，支持本地模型（Whisper 等）与云端模型，注重隐私保护。
ten-framework
综合 71
用于构建对话式语音 AI Agent 的开源框架。
CosyVoice
综合 70
多语言大规模语音生成模型，提供涵盖推理、训练和部署的全栈能力。
Concat
综合 70
Beta 版：免费、开源、本地优先的跨平台视频编辑器，支持通过 JSON-RPC API 与 MCP 编写脚本。
speechbrain
综合 70
基于 PyTorch 的开源全能语音处理工具包。
PaddleSpeech
综合 66
易用的语音工具包，包含 ASR、流式 TTS、声纹识别及端到端语音翻译等。
kiosk-satellite
综合 66
专为 Home Assistant 打造，可将任意 Android 设备变为专属控制面板。
silero-vad
综合 64
Silero VAD：预训练的企业级语音活动检测器（Voice Activity Detector）
ebook2audiobook
综合 63
将电子书转换为有声书，支持 50 多种 TTS 引擎、声音克隆及 1696 种语言。
voicebox
综合 62
开源 AI 语音工作站，支持声音克隆、听写与音频创作。
FluidAudio
综合 62
Swift 音频库，为应用提供前沿 CoreML 模型，支持 TTS、STT、语音活动检测与说话人日志。
memex
综合 60
开源本地优先的 AI 日记应用，支持图文语音记录与时间线整理，数据保留在设备端。
基于检索的声音转换 WebUI，使用 10 分钟以内的音频数据即可轻松训练优质变声模型。
OmniVoice
综合 58
支持 600 多种语言的高质量语音克隆 TTS 工具。