aiknow

语音合成 / 识别

共 177 个AI 用户与开发者推荐的语音合成 / 识别。

全部 AI 创作AI 绘图 209AI 视频 237AI 音乐 48音频处理 20语音合成 / 识别 80数字人 36AI 换脸 / 人脸融合 11AI 去水印 / 消除 13AI 3D 68AI 游戏 / 游戏开发 28AI 设计 95

Whisper

github.com★ 110,133

OpenAI 开源的通用语音识别模型,支持多语言转写、翻译与语种识别,可本地运行。

开源可自部署本地模型命令行LinuxMac
开源模型 · 2 处推荐

whisper.cpp

github.com★ 54,217

OpenAI Whisper 语音识别模型的 C/C++ 高性能移植版,无依赖、可离线本地运行

开源可自部署本地模型MacWindowsLinux
本地部署 / 运行 · 2 处推荐

faster-whisper

github.com★ 25,703

基于 CTranslate2 的 Whisper 语音识别重实现,速度更快、显存占用更低,支持量化与本地部署。

开源可自部署有 API本地模型LinuxWindows
语音合成 / 识别 · 1 处推荐

ElevenLabs

elevenlabs.io

超写实 AI 语音平台,提供语音合成、克隆、配音与语音 Agent,支持 70+ 语言。

免费+付费有 API多模态网页
语音合成 / 识别 · 3 处推荐

NVIDIA NeMo Speech

github.com★ 18,686

英伟达开源的语音 AI 框架,覆盖语音识别、语音合成与语音翻译,含 Nemotron 系列预训练模型。

开源可自部署多模态本地模型Linux命令行
开发 SDK / 工具库 · 1 处推荐

开源语音音色转换(变声)框架,10 分钟语音即可训练模型,带网页界面与实时变声。

开源中文界面可自部署本地模型Linux网页
语音合成 / 识别 · 1 处推荐

F5-TTS

github.com★ 15,504

开源语音合成模型,用流匹配实现流畅自然的零样本声音克隆,训练与推理速度快。

开源可自部署本地模型LinuxWindows命令行
语音合成 / 识别 · 1 处推荐

GPT-SoVITS

github.com★ 62,509

开源少样本语音克隆与TTS项目,5秒零样本、1分钟微调即可复刻音色,支持多语言。

开源可自部署本地模型网页WindowsLinux
训练与微调 / 量化 · 2 处推荐

Chatterbox TTS

github.com★ 26,908

Resemble AI 开源的最先进 TTS 模型家族,支持多语言语音克隆与副语言标签,含 Turbo/Nano 轻量版。

开源可自部署本地模型LinuxMacWindows
语音合成 / 识别 · 1 处推荐

NVIDIA NeMo Speech

github.com★ 18,560

NVIDIA 开源语音 AI 框架,支持语音识别、语音合成与语音大模型训练部署。

开源可自部署多模态本地模型LinuxWindows
开发 SDK / 工具库 · 2 处推荐

OpenAI 开源的高效语音识别模型,支持多语言转录与翻译,速度更快。

开源网页LinuxWindowsMac
开源模型 · 1 处推荐

Fish Speech

github.com★ 32,963

Fish Audio 开源的 SOTA 多语言 TTS 系统,支持 80+ 语言与自然语言标签控制情感韵律。

开源可自部署多模态有 API本地模型Linux
开源模型 · 1 处推荐

Voicebox

voicebox.sh★ 56,485

开源本地 AI 语音工作室,支持声音克隆、语音合成与全局听写,7 种 TTS 引擎、23 种语言。

开源有 API支持 MCP可自部署本地模型通义千问
语音合成 / 识别 · 2 处推荐

XTTS-v2

huggingface.co

Coqui 开源的多语言语音克隆模型,仅需 6 秒音频即可克隆音色并跨语言合成语音。

开源可自部署本地模型LinuxWindowsMac
开源模型 · 1 处推荐

Vosk

github.com★ 15,167

开源离线语音识别工具包,支持 20 多种语言,模型仅约 50MB,可流式实时转写。

开源可自部署有 API本地模型LinuxWindows
本地部署 / 运行 · 1 处推荐

LiveKit Agents

github.com★ 14,546

开源框架,用于构建可实时听、说、看的多模态语音 AI Agent,支持 WebRTC 与电话接入。

开源有 API多模态可自部署GPTLinux
语音合成 / 识别 · 1 处推荐

GPT-Realtime-2

developers.openai.com

OpenAI 最强的实时语音模型,支持语音到语音对话、可调推理强度与可靠工具调用。

付费有 API多模态GPT网页
语音合成 / 识别 · 1 处推荐

FunASR

github.com★ 20,580

开源语音识别工具包,支持训练、推理、流式 ASR、VAD、标点与说话人分离,并提供 OpenAI 兼容与 MCP 服务。

开源有 API支持 MCP可自部署本地模型命令行
语音合成 / 识别 · 1 处推荐

Murf AI

murf.ai

AI 语音平台,提供超低延迟 TTS API、200+ 拟真音色与对话式语音 Agent,支持 35+ 语言。

有 API网页
语音合成 / 识别 · 2 处推荐

PaddleSpeech

github.com★ 12,691

百度飞桨开源的语音工具包,涵盖流式语音识别、语音合成、声纹识别与语音翻译,曾获 NAACL2022 最佳 Demo 奖。

开源可自部署本地模型LinuxWindowsMac
开发 SDK / 工具库 · 1 处推荐

ChatTTS

github.com★ 39,889

面向对话场景的开源语音合成模型,支持中英文、多说话人,韵律自然,可控制笑声停顿。

开源可自部署本地模型LinuxWindowsMac
开源模型 · 1 处推荐

sherpa-onnx

github.com★ 15,163

基于新一代 Kaldi 与 onnxruntime 的离线语音工具库,支持识别、合成、说话人分离等,跨平台多语言。

开源可自部署本地模型LinuxMacWindows
本地部署 / 运行 · 1 处推荐

WhisperX

github.com★ 24,416

基于 Whisper 的快速语音识别工具,支持词级时间戳与说话人分离,速度可达实时 70 倍。

开源可自部署本地模型LinuxWindows命令行
语音合成 / 识别 · 1 处推荐

CosyVoice

github.com★ 23,888

基于大模型的多语言语音生成系统,支持零样本语音克隆、流式合成与指令控制。

开源可自部署通义千问本地模型LinuxWindows
语音合成 / 识别 · 1 处推荐