语音合成与识别 · 开源 AI 场景榜单

排名	项目	Stars	Forks	更新	许可证
21	voice-pro 面向创作者和开发者的Gradio WebUI，支持关键TTS（Edge-TTS、kokoro）和零样本语音克隆（E2 & F5-TTS、CosyVoice），集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。	12.7K	1.8K	07/13/26	GPL-3.0
22	VoiceStudio VoiceStudio 是开源的、完全本地的 ElevenLabs 替代品——支持 646 种语言的语音克隆、语音设计、视频配音、听写、转录和有声书创作。	12.0K	1.9K	08/28/26	AGPL-3.0
23	VoiceStudio VoiceStudio 是一款开源、完全本地的 ElevenLabs 替代品——支持646种语言的语音克隆、语音设计、视频配音、听写、转录和有声书创作。	12.0K	1.9K	08/28/26	AGPL-3.0
24	WhisperLiveKit 实时本地语音转文字，支持流式ASR、说话人分离、翻译，以及兼容OpenAI/Deepgram的API。	11.0K	1.1K	08/29/26	Apache-2.0
25	FluidVoice 最快的 macOS 听写应用，唯一支持设备端 STT 和自定义训练 AI 增强模型。提供 Windows 预构建版本！本地 Wispr Flow 替代方案。在 X 上私信我们获取彩蛋 😉 - https://x.com/fluidvoiceapp	11.1K	768	08/29/26	GPL-3.0
26	moonshine 极低延迟的语音转文字、意图识别和文字转语音，用于构建语音代理和界面	11.0K	600	08/28/26	Other
27	so-vits-svc-fork so-vits-svc 的 fork，支持实时，改进的界面和更多功能。	9.3K	1.2K	08/29/26	Other
28	SenseVoice 开源 SenseVoiceSmall 模型，支持普通话、粤语、英语、日语和韩语的语音识别、语种识别、情感识别和音频事件检测。	9.2K	814	08/27/26	MIT
29	speech_recognition Python语音识别模块，支持多种引擎和API，在线和离线。	9.0K	2.4K	07/31/26	BSD-3-Clause
30	Bert-VITS2 vits2骨干，基于多语言BERT	8.8K	1.3K	08/24/26	AGPL-3.0
31	mlx-audio 基于Apple MLX框架的TTS、STT和STS库，在Apple Silicon上实现高效语音分析。	7.8K	700	08/29/26	MIT
32	higgs-audio Boson AI的文本-音频基础模型	8.3K	640	06/05/26	Apache-2.0
33	vibe 自行转录！	7.2K	498	08/28/26	MIT
34	ASRT_SpeechRecognition 基于深度学习的中文语音识别系统	8.4K	1.9K	04/10/26	GPL-3.0
35	annyang 💬 为你的网站提供语音识别	6.8K	1.0K	08/05/26	MIT
36	wav2letter Facebook AI Research 的自动语音识别工具包	6.4K	988	08/28/26	Other
37	CapsWriter-Offline PC 端语音输入工具，离线识别，高准确率、低延迟，支持热词、LLM润色。按住CapsLock或鼠标侧键X2说话，松开自动上屏。	6.7K	613	08/26/26	MIT
38	pedalboard 🎛 🔊 一个用于音频的Python库。	6.3K	350	08/29/26	GPL-3.0
39	argmax-oss-swift 面向Apple Silicon的端侧语音AI	6.3K	606	08/13/26	MIT
40	openwhispr 语音转文字听写应用，支持本地（Nvidia Parakeet/Whisper）和云端模型（BYOK）。隐私优先，并跨平台可用。	5.8K	819	08/29/26	MIT

订阅更新