speech

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

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。

面向苹果芯片的端侧语音人工智能

语音转语音：致力于构建开源模块化GPT4-o的项目

适用于Apple Silicon设备的本地语音识别

成为顶尖的人工智能与机器学习研究工程师

在手机、可穿戴设备及AI原生硬件上本地运行人工智能

基于OpenAI Whisper的说话人日志自动语音识别系统

在手机、可穿戴设备及AI原生硬件上本地运行人工智能

顶尖自然语言处理技术

开放歌唱合成平台 / 开源UTAU继任者

开源语音代理平台

开放歌声合成平台/开源UTAU后继项目

在您的设备上即时生成AI驱动的字幕。可独立运行或连接达芬奇调色软件。

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

将您的PC、Mac或Linux设备转变为AI服务器，支持大语言模型推理、聊天界面、语音、智能体、工作流、RAG及图像生成。

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！

MOSS‑TTS 系列是由 MOSI.AI 与 OpenMOSS 团队开发的开源语音与声音生成模型系列。

将您的PC、Mac或Linux设备转变为AI服务器，支持LLM推理、聊天界面、语音、智能体、工作流、RAG及图像生成。

在您的应用中集成前沿CoreML音频模型——文本转语音、语音转文本、语音活动检测及说话人分离。基于Swift开发，由顶尖开源技术驱动。

暂无项目描述

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。

设备端实时多模态AI。与完全运行在您本机上的AI进行自然的语音和视觉对话，由Gemma 4 E2B和Kokoro驱动。