面向苹果芯片的端侧语音人工智能

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。

WhisperX：具备词级时间戳标注的自动语音识别系统

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

将视频从一种语言翻译为另一种语言，并嵌入配音与字幕。

语音转语音：致力于构建开源模块化GPT4-o的项目

开源语音代理平台

OpenAI Whisper模型的C/C++移植版本

按模型组织的尖端深度学习脚本——易于在企业级基础设施上进行训练和部署，并具备可复现的准确性与性能。

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。

基于新一代Kaldi与onnxruntime的离线语音转文字、文字转语音、说话人日志、语音增强、源分离及语音活动检测技术。支持嵌入式系统、Android、iOS、HarmonyOS、树莓派、RISC-V架构、x86_64服务器、WebSocket服务端/客户端，兼容12种编程语言。

一款快速、本地的神经文本转语音系统

OpenVINO™是用于优化和部署AI推理的开源工具套件

eSpeak NG是开源语音合成器，支持上百种语言和口音

适用于Apple Silicon设备的本地语音识别

基于OpenAI Whisper的说话人日志自动语音识别系统

通过网页界面100%本地化地将任意音频转录为文本，翻译并编辑字幕。由whisper模型驱动！

随处可用的本地AI，人人皆可——涵盖LLM推理、聊天界面、语音、智能体、工作流、RAG及图像生成。无需云端，无需订阅。

Rapida是一个开源、端到端的语音AI编排平台，用于构建具备音频流、语音识别、语音合成、语音活动检测、多通道集成、智能体状态管理和可观测性的实时对话语音智能体。

专为Apple Silicon打造的LLM推理服务器，具备连续批处理和SSD缓存功能，可通过macOS菜单栏管理