speech

🤗 Transformers：面向文本、视觉、音频及多模态模型的尖端机器学习模型定义框架，支持推理与训练全流程。

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

OpenAI Whisper模型的C/C++移植版本

WhisperX：具备词级时间戳标注的自动语音识别系统

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

完全离线的免费开源可扩展语音转文本应用程序

完全离线的免费开源可扩展语音转文本应用程序

一款快速、本地的神经文本转语音系统

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。

一款免费开源、基于人工智能的自托管实时会议记录与纪要生成工具，可完全在本地设备运行（已支持Mac OS和Windows系统，即将新增Linux支持）https://meetily.zackriya.com/ 这就是meetly ai

OpenVINO™是用于优化和部署AI推理的开源工具套件

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

eSpeak NG是开源语音合成器，支持上百种语言和口音

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

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。

适用于Apple Silicon设备的本地语音识别

语音转语音：致力于构建开源模块化GPT4-o的项目

在手机、可穿戴设备及AI原生硬件上本地运行人工智能

开放歌声合成平台/开源UTAU后继项目

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！

基于Windows LiveCaptions的轻量级强大实时音频/语音翻译工具

🎙️ AI Dictation App - Open Source and Local-first ⚡ Type 3x faster, no keyboard needed. 🆓 Powered by open source models, works offline, fast and accurate.

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