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

Parakeet ASR

huggingface.co

NVIDIA 开源的高效语音识别模型系列,含 CTC 与 RNN-Transducer 变体,支持流式与多语言。

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

VoiceStudio

github.com★ 54,867

开源全本地 ElevenLabs 替代品,支持语音克隆、配音、听写、转录与有声书,覆盖 646 种语言。

开源可自部署多模态中文界面本地模型Mac
语音合成 / 识别 · 3 处推荐

MiniMax

minimax.cn

国产多模态通用大模型公司,自研文本、音频、图像、视频、音乐模型,并推出星野等 AI 原生产品。

国内版有 API多模态中文界面网页
国产大模型 · 1 处推荐

Cartesia Sonic

cartesia.ai

实时流式语音合成 API,低延迟、带情感与笑声,支持 44 种语言和 10 秒声音克隆。

有 API网页
语音合成 / 识别 · 1 处推荐

TTS WebUI

github.com★ 3,282

基于 Gradio + React 的本地语音与音频生成 WebUI,通过扩展集成数十种 TTS、音乐与音频模型。

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

OpenWhispr

github.com★ 9,031

开源免费的语音转文字听写工具,支持本地 Whisper/Parakeet 模型与云端 BYOK,跨平台且隐私优先。

开源有 API可自部署本地模型桌面客户端Linux
语音输入 · 1 处推荐

NVIDIA ACE for Games

developer.nvidia.com

英伟达面向游戏开发者的AI数字人技术套件,提供语音、智能与动画模型,支持云端与本地推理。

多模态本地模型Windows
AI 游戏 / 游戏开发 · 1 处推荐

Voice-Pro

github.com★ 12,979

开源 Gradio 语音工作台,集成 Whisper 识别、零样本声音克隆、多语言 TTS 与翻译,可处理 YouTube 音频。

开源可自部署多模态中文界面本地模型Windows
语音合成 / 识别 · 2 处推荐

Moonshine

github.com★ 11,195

开源端侧实时语音工具包,低延迟语音转文字、意图识别与语音合成,无需联网和密钥

开源可自部署免登录本地模型网页Mac
语音合成 / 识别 · 1 处推荐

WhisperLiveKit

github.com★ 11,119

本地实时语音转文字工具,支持流式识别、说话人分离、翻译,兼容 OpenAI/Deepgram API。

开源有 API可自部署本地模型LinuxMac
语音合成 / 识别 · 1 处推荐

Dia

github.com★ 19,395

Nari Labs 开源的 1.6B 参数 TTS 模型,一次生成超真实对话,支持情感、语气与非语言音效控制。

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

AuK

github.com★ 1,468

腾讯混元开源的 1.5B 语音生成与编辑基础模型,支持零样本 TTS、语音编辑与增强。

开源可自部署中文界面本地模型LinuxWindows
国产大模型 · 1 处推荐

D-ID

d-id.com

数字人平台,用照片或视频生成会说话的多语言 AI 虚拟人视频与实时对话代理。

有 API多模态网页
数字人 · 5 处推荐

whisper-ctranslate2

github.com★ 1,359

基于 CTranslate2 的 Whisper 命令行客户端,兼容 OpenAI 原版 CLI,速度最高提升 4 倍且更省内存。

开源可自部署本地模型命令行LinuxMac
本地部署 / 运行 · 1 处推荐

Cartesia

cartesia.ai

基于状态空间模型的实时语音平台,提供低延迟流式 TTS、转录与语音 Agent API。

有 API网页
官方 API 平台 · 1 处推荐

WellSaid

wellsaid.io

基于真人配音演员授权录音训练的 AI 语音合成平台,提供 280+ 逼真音色,支持多语言与团队协作。

免费+付费网页
语音合成 / 识别 · 3 处推荐

Handy

github.com★ 33,168

免费开源的离线语音转文字桌面应用,按快捷键说话即可将文字粘贴到任意输入框。

开源可自部署免登录本地模型WindowsMac
语音输入 · 2 处推荐

Speechmatics

speechmatics.com

英国语音 AI 公司,提供高精度语音转文字 API,擅长口音、多说话人和多语言场景。

有 API网页
语音合成 / 识别 · 1 处推荐

MockingBird

github.com★ 36,895

5 秒克隆声音并实时生成任意语音的开源语音克隆项目,支持中文与多平台。

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

ElevenLabs Dubbing

elevenlabs.io

ElevenLabs 的 AI 配音工具,保留原声情感与音色,一键翻译配音到 90 多种语言。

免费+付费多模态网页
语音合成 / 识别 · 1 处推荐

Vibe

github.com★ 7,717

开源离线音视频转写工具,基于 Whisper 等模型,支持多语言、批量与实时预览。

开源可自部署多模态有 API本地模型Mac
会议与转写 · 1 处推荐

OpenTalking

github.com★ 3,115

工业级开源数字人框架,支持实时对话、私有部署与可插拔模型,集成 LLM、TTS、WebRTC 全链路。

开源可自部署有 API多模态本地模型网页
数字人 · 1 处推荐

Typecast

typecast.ai

AI语音生成工具,支持700+自然情感化语音,可克隆声音,适用于内容创作与开发。

有 API网页iOSAndroid
语音合成 / 识别 · 1 处推荐

SpeechifyAI

speechify.ai

面向开发者的语音合成 API,提供 Simba 模型与声音克隆,支持 48 种语言和流式低延迟。

免费+付费有 API网页
语音合成 / 识别 · 1 处推荐