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

eSpeak NG是开源语音合成器，支持上百种语言和口音

一个基于苹果MLX框架构建的文本转语音、语音转文本及语音转语音库，可在Apple Silicon芯片上实现高效语音分析。

大语言模型微调与强化学习 🦥 以2倍速度训练OpenAI gpt-oss、Qwen3、Llama 4、DeepSeek-R1、Gemma 3，节省70%显存

MIT与MyShell联合开发的即时语音克隆技术

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

闪电般快速、设备端运行的多语言TTS——通过ONNX原生执行。

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。

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