mustango
Mustango:朝向可控的文字轉音樂生成
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。
Mustango:朝向可控的文字轉音樂生成
Stream-Omni 是一個類似 GPT-4o 的語言-視覺-語音聊天機器人,可同時支援多種模態組合的互動。
專為代理時代打造的鍵盤:語音輸入、從螢幕複製文字、翻譯、螢幕截圖與螢幕錄製,適用於 Claude Code、Codex 及其他代理。免費、開源、Mac。
為《上古卷軸V:無界天際》打造的AI NPC,能即時對話、記憶、反應與行動,並具備即時語音。由Fateless開發。
一系列 📝 與 🔗,協助建構語音AI代理的人們 🎙️🤖
自託管 AI 工作室,運行於自有 GPU:與檔案對話(RAG)、螢幕與瀏覽器代理、編碼群體、LoRA 訓練、Claude Code 與 Cu 的 MCP 伺服器
Alice 是一款以語音優先的桌面 AI 助理應用程式,使用 Vue.js、Vite 和 Electron 建置。具備先進的記憶系統、函式呼叫、MCP 支援,並可選擇完全離線使用,還有更多功能。
自架網頁應用程式,可透過OpenAI的Whisper模型將音訊轉換為字幕
🎩 一個用於透過 OpenAI Chat API 與 GPT 模型互動的 Alfred 5 工作流程 🤖💬 它還支援圖片生成/編輯/理解 🖼️、語音轉文字轉換 🎤 以及文字轉語音合成 🔈
Windows 專用免費離線 AI 影片配音工作室 — 語音克隆、翻譯、字幕與螢幕文字在地化。100% 本地執行,單一原生 .exe,無需 Python
MCP 外掛程式 for Unreal Engine 5.7 & 5.8 — 賦予 AI 助手對 Blueprints、Materials、Niagara、Animation、Mesh、AI、GAS、Logic Driver、C 的完整讀寫存取權限
飛快速度、裝置端處理、多語言、準確的 TTS(文字轉語音)引擎。
開源、自托管的AI語言學習平台,搭配本地或雲端LLM、CEFR學習計畫、AI導師、語音對話、單字卡與間隔重複。
一個開放原始碼、跨平台的電子書與PDF閱讀器。
llama.cpp (GGUF LLMs) 和 llava.cpp (GGUF VLMs) 適用於 ROS 2
Hermes Agent 可攜式桌面版 (Windows) — 100 種工具、圖形介面、LM Studio 本機模型、語音合成、音樂、ComfyUI、工作流程、工具建立器。免安裝、免 Docker。
X-Talk 是一個開源的全雙工串接式口語對話系統框架,能以輕量、純 Python、可投入生產的架構,實現低延遲、可中斷且擬人化的語音互動。
採用 C# 撰寫、基於 ONNX Runtime 的高速本機 TTS 推理引擎。支援多說話者、多平台與多語言。 透過隨插即用的方式整合至您的 .NET 專案。
全功能 DAW、DJ 與 VJ 應用程式,可與 Ableton、Reaper、Resolume 等軟體互通。支援 Stable Audio 3、Magenta RT2、Suno API、Chimera 音軌融合、Demucs 分軌、MIDI 生成與記譜、圖像轉頻譜轉音樂、繪畫轉音樂、VST3 與 .gan 外掛、自動混
適用於語音、聊天與視訊的開源 AI 面試平台
video-SALMONN 2 是一個強大的音視覺大型語言模型(LLM),能生成高品質的音視覺影片字幕,由清華大學電子工程系與字節跳動共同開發。
來自 OpenAI、Mistral、Groq、Lemonfox、Kokoro、Chatterbox 或任何實作 OpenAI 語音 API 伺服器的 Home Assistant 文字轉語音工具,附帶廣播功能
適用於 Linux、macOS、Windows、Android 及 iOS 的開源語音轉文字與語音輸入工具精選清單。支援離線、本機與雲端。
開源 iOS App,將 Meta Ray-Ban 智慧眼鏡連線至 AI — 5 種後端(裝置端 MLX 模型、Apple Intelligence、OpenAI、Gemini Live、OpenClaw)、裝置端神經語音、人臉辨識與即時網路搜尋。注重隱私且可離線使用。