MIDI-GPT
GPT-2 轉換器,用於可控、多軌符號音樂生成
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。
GPT-2 轉換器,用於可控、多軌符號音樂生成
開源數位音樂工作站,具備 FL Studio 工作流程。包含 Pattern、Channel Rack、鋼琴捲簾、人聲調校,以及可供 AI 代理驅動的命令列介面。
HACS 自訂整合元件,可在 Assist 管線中使用 Whisper 語音轉文字(OpenAI、GroqCloud 或 Mistral)API,減輕 Home Assistant 伺服器負載。
專為 AI 時代重新設計的 FFmpeg。React 圖形介面。自訂 AI 整合,包括 YOLOv8 物件與人臉偵測、Whisper、Vidi2.5。
針對 GGUF 的 SOTA 模型無關量化,本地推論及其他應用。使用 llama.cpp、vLLM、Diffusers 和量化並執行文字、圖像、影片和音訊模型
可重現的語音 AI 基準測試 — TTS / STT / S2S 延遲與準確度。
與 ElevenLabs 語音代理互動的命令列介面
提供更簡單、更有效率的方式,讓您的客戶透過語音信箱與您聯繫並表達需求。
開源 IP PBX 與統一通訊:Asterisk 22 網頁入口、WebRTC 軟體電話、即時通訊、傳真、客服中心、Android 與 iOS 應用程式 — https://aipbx.bid
開放原始碼字幕平台 💻,用於轉錄及翻譯印度語言的影片/音訊。
進階 RVC 推論,實現更快速且輕鬆的模型下載
語音驅動的 AI 助手平台—連接任何 LLM、任何 TTS,搭配即時網頁畫布、音樂生成與使用 OpenClaw 的代理編排。安裝:npx openvoiceui setup
AmigaOS 3.1/4.1 與 MorphOS 應用程式,用於與 ChatGPT 聊天或產生圖像
語音優先的 macOS 選單列應用程式:聽寫、語音編輯剪貼簿、朗讀、與 Google/Trello 工具進行 AI 聊天,以及即時會議記錄。自備金鑰(Gemini
受 AddGadgets.com (及 Orbmu2k) Windows 側邊欄小工具啟發的 Rainmeter 皮膚 (系統/網頁/市場/BOINC)
透過 Ace Data Cloud 整合 Suno AI 音樂生成、歌詞與翻唱工作流程的 MCP 伺服器。
為任何網頁應用新增會說話的3D AI虛擬人物。包含Perxona Connect SDK的範例與工具:<sv-presenter> Web元件、嘴形同步、文字轉語音及VRM虛擬人物。
原始 Piper (https://github.com/OHF-Voice/piper1-gpl),現已登陸 iOS 和 macOS
由 System-One 控制的全雙工語音互動:Jev 以純語言決策判斷輪流發言。
Zotero 10 的文字轉語音:更多語音、同時以自訂顏色標示單字與句子、速度與導覽快捷鍵、跨文件統一語音
適用於 Claude Code、Codex、Gemini 與 Qoder 的行動、網頁及 Apple Watch 用戶端 — 多代理協調、即時語音、端對端加密、可自架。
Vue.js — 漸進式 JavaScript 框架
以 Rust 為優先、本地優先的多代理執行環境,配備桌面 HUD、政策控管工具、語音功能,以及工作樹隔離的程式碼代理。
使用 OpenAI Whisper 從輸入的音訊或影片檔案自動產生字幕