"語音"

espnet/espnet

espnet：端到端语音处理工具包 — espnet是一个端到端的语音处理工具包，使用Python语言开发，支持多种深度学习框架，如chainer和pytorch。它提供了多种语音处理功能，包括语音识别、语音合成、语音增强等。espnet的主要目标是提供一个高效、灵活的语音处理平台，用于研究和开发各种语音处理应用

Python★ 9.9k⑂ 2.4kai-ml

☆

coqui-ai/TTS

TTS：文字轉語音工具包 — TTS 是一個基於 Python 的深度學習工具包，提供了多種文字轉語音的模型和技術，包括 Glow-TTS、HiFiGAN 和 MelGAN 等，能夠用於研究和生產環境。TTS 的優點在於其高質量的語音合成和靈活的配置選項。TTS 的應用包括語音合成、語音轉換和語音克隆等領域

Python★ 45.8k⑂ 6.2kai-ml

☆

moonshine-ai/moonshine

moonshine：低延遲語音處理 — moonshine 提供低延遲的語音轉文字、意圖識別和文字轉語音功能，特别適合用於開發語音代理和用戶界面，提升用戶體驗。

C++★ 10.1k⑂ 526ai-ml

+282 ★☆

FunAudioLLM/CosyVoice

CosyVoice：多語音頻生成模型 — CosyVoice是一個基於Python的多語音頻生成模型，能夠提供多種語言的音頻生成，包括英文、中文、日文和韓文等。它提供了推理、訓練和部署的全棧能力，讓用戶可以輕鬆地使用和擴展模型。CosyVoice的出現對於自然語言生成和文本轉語音等領域具有重要意義

Python★ 22.1k⑂ 2.6kai-ml

☆

supertone-inc/supertonic

supertonic：輕量級、多語言、在設備上的文字轉語音系統 — supertonic 是一個基於 ONNX 的文字轉語音系統，能夠快速地在各種設備上運行，支持多種語言和平臺，包括 iOS、Android、Web 等。它使用 Swift 語言開發，能夠實現輕量級和高效的文字轉語音功能。supertonic 的出現對於語音合成和語音助手等領域具有重要意義

Swift★ 13.5k⑂ 1.4kmobile

☆

github-linguist/linguist

linguist：語言分析工具 — linguist 是一個開源工具，使用 Ruby 開發，能夠分析程式碼的語言並提供語言統計和語法分析。它的功能包括語言識別、語法高亮和語言統計等。linguist 的目的是為開發者提供一個準確的語言分析工具，以便於程式碼的管理和維護

Ruby★ 13.6k⑂ 5.3kbackend

☆

MiniMax-AI/skills

skills：人工智慧技能開發 — skills是一個開源項目，提供了一個基於C#的技能開發框架，讓開發者可以輕鬆地創建和集成人工智慧技能。這個項目的目的是提供一個簡單和靈活的方式來開發和應用人工智慧技能。同時，skills也提供了一個強大的API，讓開發者可以輕鬆地擴展和自定義技能

C#★ 13.2k⑂ 1.1kother

☆

2noise/ChatTTS

ChatTTS：每日對話的生成語音模型 — ChatTTS是一個開源項目，使用Python和Torch等庫來實現生成語音模型。它可以用於每日對話的語音合成，提供自然和流暢的語音體驗。這個項目對於語音助手、聊天機器人等領域具有重要意義

Python★ 39.7k⑂ 4.3kai-ml

☆

open-mmlab/Amphion

Amphion：音頻、音樂和語音生成工具包 — Amphion是一個基於Python的工具包，提供了一系列的音頻、音樂和語音生成功能，包括音頻合成、音樂生成、語音合成等。它的目的是支持可重現的研究和幫助初級研究人員和工程師入門音頻、音樂和語音生成研究和開發領域。通過使用Amphion，研究人員和工程師可以快速地開發和測試自己的音頻、音樂和語音生成模型。

Python★ 10k⑂ 830other

☆

microsoft/VibeVoice

VibeVoice：開源前沿語音AI — VibeVoice是一個開源的語音AI項目，使用Python語言開發，提供了一種新的語音交互方式。它利用AI技術來實現語音識別、語音合成等功能，為用戶提供更好的語音體驗。VibeVoice的開源性使得開發者可以自由地擴展和修改它

Python★ 50k⑂ 5.6kai-ml

☆

android/uamp

uamp：Android 音頻示範應用 — uamp 是一個示範如何使用 Android 的音頻 API 開發音頻播放器的應用，使用 Kotlin 作為開發語言。這個應用展示了如何播放音頻、控制音頻播放等功能。uamp 的開源代碼可以幫助開發者學習如何開發自己的音頻播放器

Kotlin★ 13.2k⑂ 3.8kmobile

☆

togatoga/karukan

karukan：Linux、macOS 的日語輸入法系統 — karukan 是一個開源的日語輸入法系統，適用於 Linux 和 macOS 平台。它使用神經網路技術實現假名漢字轉換，提供高效和準確的輸入體驗。karukan 的開發使用 Rust 語言，保證了系統的穩定性和安全性

Rust★ 623⑂ 38ai-ml

+42 ★☆

RVC-Project/Retrieval-based-Voice-Conversion-WebUI

Retrieval-based-Voice-Conversion-WebUI：語音轉換網頁界面 — Retrieval-based-Voice-Conversion-WebUI 提供了一個簡單的網頁界面，讓用戶可以輕鬆地訓練語音轉換模型，無需大量的語音數據。這個工具利用了 Retrieval 模型和 VITS 等技術，實現了高質量的語音轉換。通過這個工具，用戶可以快速地建立自己的語音轉換模型，適用於各種語音應用

Python★ 36.7k⑂ 5.2kdata

☆

cjpais/Handy

Handy：離線語音轉文字應用程式 — Handy是一個基於Rust開發的語音轉文字應用程式，能夠完全離線運作，提供跨平台的語音轉文字功能。它的開源和可擴充性使其成為一個非常有潛力的語音轉文字解決方案。Handy的出現對於需要離線語音轉文字的用戶來說是一個福音。

Rust★ 27.6k⑂ 2.4kother

☆

myshell-ai/OpenVoice

OpenVoice：即時語音複製技術 — OpenVoice 是一個利用 Python 開發的音頻基礎模型，能夠實現即時語音複製，為 text-to-speech 和 voice-clone 領域提供了新的解決方案。這個技術的出現對於語音合成和語音識別領域具有重要意義。OpenVoice 的 zero-shot-tts 能力使其在業界具有競爭力

Python★ 37k⑂ 4.1kother

☆

KoljaB/RealtimeSTT

RealtimeSTT：即時語音轉文字庫 — RealtimeSTT是一個基於Python的語音轉文字庫，提供即時的語音轉文字功能，具有低延遲和高準確度。它的先進語音活動檢測和喚醒詞激活功能，使其成為一個強大且實用的工具。RealtimeSTT的應用包括語音助手、語音控制和語音轉文字等領域

Python★ 10k⑂ 850other

☆

jamiepine/voicebox

voicebox：開源人工智慧語音工作室 — voicebox 是一個基於 TypeScript 的開源項目，提供了一個完整的語音工作室解決方案，讓用戶可以輕鬆地複製、輸入和創建語音內容。這個項目的目的是提供一個開源的語音工作室，讓開發者可以自由地使用和擴展。voicebox 的出現對於語音技術的發展具有重要意義

TypeScript★ 46k⑂ 5.6kai-ml

+557 ★☆

OpenBMB/VoxCPM

VoxCPM：多語種語音生成的無標記TTS — VoxCPM2 是一個無需標記的TTS系統，能夠處理多種語言的語音生成，支持創意聲線設計和真實聲線克隆。該技術在不需要預先標記數據的情況下，實現高效的語音合成。

Python★ 34.2k⑂ 3.9kai-ml

☆

babysor/MockingBird

MockingBird：實時語音合成 — MockingBird 利用 PyTorch 和深度學習技術，實現了快速和高質量的語音合成。這個工具可以用於各種應用，例如語音助手、播音等。它的出色性能和易用性使其成為語音合成領域的一個重要突破

Python★ 36.9k⑂ 5.2kai-ml

☆

m87-labs/moondream

moondream：微型視覺語言模型 — moondream 是一個基於 Python 的微型視覺語言模型，利用深度學習技術實現視覺和語言之間的交互。這個模型可以用於各種應用，例如圖像描述、視覺問答等。moondream 的開發對於推動人工智慧和機器學習的發展具有重要意義

Python★ 9.9k⑂ 790other

☆

AudioKit/AudioKit

AudioKit：音頻合成和分析平台 — AudioKit是一個開源的音頻合成、處理和分析平台，提供了一系列強大的API，讓開發者可以輕鬆地創建和操作音頻內容。它支援多種音頻格式和協議，包括MIDI，讓開發者可以創建出豐富多樣的音頻體驗。通過使用AudioKit，開發者可以打造出高品質的音頻應用，滿足不同用戶的需求

Swift★ 11.4k⑂ 1.6kmobile

☆

mozilla/DeepSpeech

DeepSpeech：開源語音識別引擎 — DeepSpeech是一個開源的嵌入式語音識別引擎，利用Deep Learning和TensorFlow等技術，能夠在各種設備上實時運行，提供高準確度的語音識別功能。這個項目對於各種語音應用有重要意義，包括語音助手、語音控制等。DeepSpeech的開源性質也使得其能夠被廣泛使用和修改。

C++★ 26.8k⑂ 4.1kai-ml

☆

linyqh/NarratoAI

NarratoAI：AI視頻剪輯與解說 — NarratoAI是一個基於Python的開源項目，利用AI模型來實現一鍵式影片解說和剪輯。這個項目使用了moviepy和Gemini API等庫來處理影片，能夠大大簡化影片製作的過程。NarratoAI的出現對於需要快速製作影片的用戶來說具有重要意義

Python★ 10k⑂ 1.4kai-ml

☆

zhongyi-tong/electronic-wechat

electronic-wechat：跨平台微信應用 — electronic-wechat 是一個開源項目，旨在提供一個更好的微信使用體驗，支援 macOS 和 Linux 平台。它使用 Electron 框架開發，提供了更好的性能和使用體驗。這個項目對於微信用戶來說非常重要，因為它提供了更多的自定義選項和更好的使用體驗

JavaScript★ 13.8k⑂ 2.7kweb

☆

chthollyphile/folia-major

folia-major：本地音乐播放器 — folia-major 是一个使用 TypeScript 开发的本地音乐播放器，支持 navidrome 和第三方网易云播放器，能够提供绚丽的歌词动画效果。它可以帮助用户更好地享受音乐，并提供个性化的播放体验。folia-major 的开发目的是为了提供一个更好的本地音乐播放解决方案

TypeScript★ 1k⑂ 68web

+175 ★☆

CorentinJ/Real-Time-Voice-Cloning

Real-Time-Voice-Cloning：即時語音克隆技術 — Real-Time-Voice-Cloning 是一個基於 Python 的開源項目，利用 deep-learning 和 TTS 技術實現即時語音克隆。這個項目可以快速生成任意語音內容，對語音合成和語音識別領域具有重要意義。它支持多種框架，包括 PyTorch 和 TensorFlow

Python★ 60.1k⑂ 9.4kai-ml

☆

mame/quine-relay

quine-relay：多語言烏洛波羅斯程式 — quine-relay是一個特殊的程式，能夠以多種編程語言實現自我複製，包括Ruby等語言。這個項目展示了編程語言的多樣性和創造力，對於編程愛好者和語言學習者具有重要的參考價值。通過quine-relay，我們可以更深入地了解不同編程語言的特點和應用

Ruby★ 14.5k⑂ 568backend

☆

jiaaro/pydub

pydub：音頻編輯庫 — pydub 能夠讓開發者輕鬆地操控音頻，包括剪輯、合併和修改音頻等。這個庫的高級介面使得音頻編輯變得非常簡單，讓開發者可以專注於其他工作。pydub 的優點在於其簡單易用，讓開發者可以快速地完成音頻編輯任務

Python★ 9.8k⑂ 1.1kother

☆

hanxi/xiaomusic

xiaomusic：使用小愛音箱播放音樂 — xiaomusic 項目允許用戶使用小愛音箱播放音樂，通過 yt-dlp 下載音樂檔案。這個項目使用 Python 編寫，提供了一個簡單的音樂播放解決方案。它對於喜愛音樂的用戶來說是一個有用的工具

Python★ 10k⑂ 1.1kweb

☆

darknessomi/musicbox

musicbox：命令行音乐工具 — musicbox是一个命令行界面的音乐工具，允许用户在终端中控制和播放音乐。它支持网易云音乐的功能，提供了便捷的音乐播放体验。通过使用musicbox，用户可以更方便地管理和播放音乐

Python★ 9.8k⑂ 1.6kother

☆

facefusion/facefusion

facefusion：人臉操控平台 — facefusion 是一個基於 Python 的人臉操控平台，提供業界領先的技術和功能。它可以用於創建逼真的面部動畫和特效，廣泛應用於電影、遊戲和廣告等領域。facefusion 的出色表現使其成為人臉操控的首選平台

Python★ 29.4k⑂ 4.8kai-ml

☆

lm-sys/FastChat

FastChat：大型語言模型開源平台 — FastChat 提供了一個開放的平台，讓開發者可以訓練、服務和評估大型語言模型，從而推動自然語言處理的發展。該平台針對 Vicuna 和 Chatbot Arena 進行了優化，為開發者提供了一個高效的工具。FastChat 的開源性質使其能夠被廣泛使用和擴展，推動 AI 研究的進步

Python★ 39.5k⑂ 4.8kai-ml

☆

letoram/arcan

arcan：桌面引擎與多媒體框架 — arcan 是一個開源的桌面引擎和多媒體框架，提供了顯示伺服器、遊戲引擎和多媒體處理功能。它使用 Zig 語言開發，支援多個平台，包括 Linux、FreeBSD 和 OpenBSD。arcan 的目標是提供一個高效、靈活和可擴展的桌面引擎和多媒體框架，適用於各種應用場景。

Zig★ 1.8k⑂ 93backend

☆

roc-lang/roc

roc：函數語言 — roc是一種基於函數的語言，旨在提供快速和友好的開發體驗。它使用Zig語言作為基礎，結合了函數語言的優點。roc的設計目標是提供一個高效、易於使用的語言，讓開發者能夠快速地創建和部署應用程式。

Zig★ 5.9k⑂ 402other

☆

huggingface/transformers

transformers：機器學習模型框架 — transformers 提供了一個統一的框架，讓開發者可以輕鬆地使用和訓練各種機器學習模型，包括自然語言處理、語音識別和視覺模型等。這個框架支持 PyTorch 和其他深度學習庫，讓開發者可以快速地部署和集成模型。同時，transformers 還提供了大量的預訓練模型，讓開發者可以快速地開始自己的項目。

Python★ 163k⑂ 34kai-ml

☆

mudler/LocalAI

LocalAI：開源人工智慧引擎 — LocalAI是一個開源的人工智慧引擎，允許用戶在任何硬體上運行各種模型，包括LLMs、視覺、語音、圖像和視頻模型。它不需要GPU，提供了高度的靈活性和可擴展性。這使得LocalAI成為一個非常有用的工具，特別是在需要在資源有限的環境中運行人工智慧應用的情況下

Go★ 47.9k⑂ 4.3kai-ml

☆

mozilla-ai/llamafile

llamafile：以單一檔案分佈和運行大型語言模型 — llamafile 的主要功能是將大型語言模型打包成單一檔案，讓用戶可以輕鬆地在不同平台上分佈和運行。這個功能對於開發人員和用戶來說非常重要，因為它可以簡化大型語言模型的部署和運行過程。同時，llamafile 也支持跨平台和本地推理等功能，讓用戶可以更靈活地使用大型語言模型。

C++★ 25.5k⑂ 1.5kai-ml

☆

kaldi-asr/kaldi

kaldi：語音識別開源專案 — kaldi 是一個開源的語音識別軟體工具包，提供了一系列的語音處理和識別功能，包括語音轉文字、語音辨識和聲音驗證等。它使用 C++ 和 CUDA 等技術實現，廣泛應用於語音助手、語音搜索和語音控制等領域。kaldi 的開源性使得開發者可以自由修改和擴展其功能

Shell★ 15.4k⑂ 5.4kother

☆

bradautomates/claude-video

claude-video：視頻處理與分析工具 — claude-video 這個項目提供了一種方法，讓 Claude 能夠觀看和分析視頻內容，包括下載視頻、提取幀、轉錄語音等。這個工具可以幫助開發者擴展 Claude 的能力，讓它能夠處理更多種類的多媒體內容。通過 claude-video，開發者可以輕鬆地將視頻內容整合到他們的應用程序中。

Python★ 10.6k⑂ 1.1kother

+412 ★☆

fluxerapp/fluxer

fluxer：即時通訊和VoIP聊天應用程式 — fluxer是一個基於TypeScript的即時通訊和VoIP聊天應用程式，提供了朋友、群組和社群的即時通訊和語音通話功能。它是一個免費且開源的項目，讓用戶能夠自行部署和自定义。fluxer的目標是提供一個安全、穩定和易用的通訊平台，讓用戶能夠順暢地進行通訊和交流

TypeScript★ 9.8k⑂ 665web

☆