openvidu
OpenVidu Platform:自架即時影音服務,適用於您的應用程式,建構於 LiveKit 與 mediasoup 之上
比較 412 款經過品質篩選的 語音與音訊工具,參考公開熱門度、活躍度、授權與資料來源。
瀏覽經品質篩選的 語音與音訊工具,可依資料來源、收費方式或新舊程度縮小範圍,更快找到合適選項。
OpenVidu Platform:自架即時影音服務,適用於您的應用程式,建構於 LiveKit 與 mediasoup 之上
EPUB 轉有聲書轉換器,專為 Audiobookshelf 最佳化,包含 WebUI
RAVE 模型的官方實作:即時音訊變分自編碼器
模型壓縮工具包,專為提升易用性、全面性和效率而設計。
高效能、與 OpenAI 和 Anthropic 相容的 LLM 推理伺服器,專為 Apple Silicon 設計。搭載原生 MLX、連續批次處理、多模態模型、MCP 工具呼叫及 Claude Code 支援。
SALMONN 系列:一套先進的多模態大型語言模型
支援長篇多說話者對話合成的多語言模型,具備靈活的說話者控制與零樣本語音複製功能
[ICASSP 2024] 🍵 Matcha-TTS:一種基於條件流匹配的快速語音合成架構
MTools 是一個功能強大的多功能桌面應用程式,整合了音訊與視訊處理、圖片編輯、文字操作及編碼工具,並內建 AI 增強功能。旨在簡化您的工作流程,提升生產效率。
一系列用於文字轉音訊生成的擴散模型。
處理機器學習專案中多模態資料的工具。
無需 ROOT 的開源 Android 螢幕即時翻譯工具,適合遊戲、視覺小說和漫畫。支援端側與雲端 OCR、離線 LLM、多種翻譯服務和文字朗讀(TTS),譯文可直接顯示在畫面上。
當今 Android 上最先進、完全離線的客戶端 AI 套件。
MIDI / 符號音樂標記化工具,專為深度學習模型設計 🎶
OpenClaw 即時 Web 駕駛艙:語音對話、代理自動看板、工作區/檔案控制、子代理工作階段、內嵌圖表與使用可視化。
🎙️ 智慧語音生產力助手,將語音轉換為清晰文字、實用操作與結構化知識,協助使用者捕捉靈感、自然溝通、自動化重複任務,並在各種應用與工作流程中保持高效。
⏩ 自動快轉句子之間的長停頓 — 讓講課影片觀看速度提升約 1.5 倍(瀏覽器擴充功能)
Flutter 的裝置端 AI — Gemma 與其他大型語言模型、多模態、函式呼叫、嵌入、RAG 及語音,支援 Android、iOS、Web、macOS、Windows 與 Linux。
開源(Apache 2.0)語音工具,專為 macOS 上的 Claude Code 與 Codex 設計,可朗讀您的程式碼代理進度。語音使用 Kokoro 在本機執行,無需帳號,或自備 ElevenLabs 或 Speechify 金鑰。
explainroo:AI 代理為您製作解說影片與產品展示。免費且開源:本機語音 (Kokoro)、文字時間軸 (Whisper) 與畫布渲染器將腳本轉為附旁白的 MP4。
在您自己的電腦上建立AI電話代理,並使用AI呼叫者測試每次變更。開源,無需API金鑰即可免費執行,使用自己的金鑰每次通話只需幾美分。
基於 OpenAI ChatGPT 的個人語音助理。
和《偶像大師 閃耀色彩》偶像即時語音/文字對話的 AI 分身:日語原聲 + 中文字幕、回憶原作劇情、跨角色共享記憶;支援 Google/GitHub 登入與自帶金鑰,Docker Compose 一
✨✨Freeze-Omni:一種智慧且低延遲的語音對語音對話模型,採用凍結的大型語言模型