voice

VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案 — 提供 646 种语言的语音克隆、语音设计、视频配音、听写、转录和有声读物创建。

1分钟的语音数据也可以用来训练一个好的TTS模型！ （几张声音克隆镜头）

开源语音合成工作室

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

用不超过10分钟的语音数据轻松训练优质语音克隆模型！

MIT与MyShell联合开发的即时语音克隆技术

完全本地的Manus人工智能系统。无需API接口，无需每月200美元支出。仅需支付电费即可体验能思考、浏览网页和编程的自主智能体。官方更新仅通过推特账号@Martin993886460发布

工业级可控高效的零样本文本转语音系统

端到端实时技术栈，连接人类与人工智能

从电子书生成有声书，支持语音克隆及1107种以上语言！

端到端语音识别基础工具包与开源SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。

Netflix级字幕切割、翻译、对齐、甚至加上配音，一键全自动AI视频字幕团队

适用于Android、iOS、树莓派及服务端的离线语音识别API，支持Python、Java、C#和Node.js开发语言。

适用于语音代理、多模式应用程序和实时人工智能的开源框架。由 Daily 和社区维护。

强大的实时语音AI智能体构建框架 🤖🎙️📹

The truly free, open-source, local-first, cross-platform CapCut replacement. Scriptable through a JSON-RPC API & MCP.

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

免费开源的ERP平台

YuE2：具有象征性规划、零镜头翻唱和代理音乐编辑的前沿音乐生成。

面向边缘设备的快速准确自动语音识别

说话人日志神经构建模块：语音活动检测、说话人变更检测、重叠语音检测、说话人嵌入

开源计量与基于用量的计费API ⭐️ 用量追踪、订阅管理、定价迭代、支付编排与收益分析

基于 Laravel 构建的开源发票、报价单、项目和工时追踪应用

在线会计软件