tts

将电子书转换为有声读物

Stream 推出的开放视觉智能体平台。使用任意模型或视频提供商快速构建视觉智能体。利用 Stream 的边缘网络实现超低延迟。

面向苹果芯片的端侧语音人工智能

Silero模型：提供预训练语音转文本、文本转语音和文本增强模型，极致简化实现

这是一款安卓系统TTS应用，集成微软演示接口，支持自定义HTTP请求，可加载外部本地TTS引擎，具备中文双引号旁白对话识别功能，并包含自动重试、备用配置、文本替换等特性。

一款用于音频模型的一体化纯 C++ 推理引擎，由 ggml 提供支持。支持TTS、STT、VAD、语音转换、音乐生成等，性能高度优化。没有 Python 依赖。

用于人工智能模型的高性能推理引擎

SGLang-Omni 为 TTS、ASR、语音和全向模型提供高性能服务。

NobodyWho 是一个推理引擎，可让您在任何设备上本地高效地运行 LLM。

实时语音翻译——支持macOS和Windows，免费TTS，无需服务器，仅需使用你自己的API密钥

GenMedia 创意工作室是基于 Vertex AI 的生成式媒体示例体验，重点展示 Google Cloud 上 Imagen、Veo 等生成式媒体 API 的应用

面向 Apple Silicon 的 AI 语音工具包 — 基于 MLX 和 CoreML 的 ASR、TTS、语音到语音、VAD 及说话人分离功能。

将AI Studio Playground和Build反代成API | AI Studio 到 OpenAI、Anthropic 和 Gemini 兼容 API

一个用于在Apple Silicon上使用MLX进行音频处理的模块化Swift SDK

Set of 📝 with 🔗 to help those building Voice AI agents 🎙️🤖