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
61	YuE YuE: 开源全曲音乐生成基础模型，类似Suno.ai但开放	6.4K	757	06/04/25	Apache-2.0
62	AI-Video-Transcriber 使用AI转录和总结视频与播客。开源、跨平台，支持多种语言。	3.2K	416	08/23/26	Apache-2.0
63	TTS-WebUI 一个集成了 Gradio 和 React 的 WebUI，支持 ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAGNet、AudioGen、MusicGen、Tortoise、RVC、Vocos、Demucs、SeamlessM4T 和 Bark 等扩展！	3.2K	329	07/27/26	MIT
64	vexa 开源会议转录API，支持Google Meet、Microsoft Teams和Zoom。自动加入机器人、实时WebSocket转录、用于AI代理的MCP服务器。可自托管或使用托管SaaS。	2.7K	448	08/29/26	Apache-2.0
65	willow 开源、本地、自托管的语音助手，可替代亚马逊Echo和谷歌Home	3.1K	129	08/04/26	Apache-2.0
66	whishper 将任何音频转录为文本，翻译和编辑字幕，100%本地化，带Web界面。由whisper模型驱动！	3.1K	179	07/31/26	AGPL-3.0
67	whisper-timestamped 多语言自动语音识别，具有词级时间戳和置信度	2.8K	211	08/17/26	AGPL-3.0
68	aeneas aeneas 是一个 Python/C 库和一组工具，用于自动同步音频和文本（又称强制对齐）	2.9K	275	07/25/26	AGPL-3.0
69	audio.cpp 一个由ggml驱动的全功能纯C++音频模型推理引擎，支持TTS、STT、VAD、语音转换、音乐生成等，性能高度优化，无Python依赖。	2.1K	254	08/29/26	Other
70	VieNeu-TTS 越南语TTS，支持即时语音克隆 • 设备端运行 • 实时CPU推理 • 24kHz音频质量 • 将文本转换为越南语语音 • 越南语文本转语音 • 越南语TTS	2.4K	732	08/25/26	Apache-2.0
71	Scriberr 自托管AI音频转写	3.0K	251	06/01/26	MIT
72	wukong-robot 🤖 wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目，支持ChatGPT多轮对话能力，还可能是首个支持脑机交互的开源智能音箱项目。	7.1K	1.4K	10/25/24	MIT
73	AudioNotes 快速提取音视频内容，整理成一份结构化的markdown笔记	2.5K	365	08/19/26	MIT
74	asteroid 面向研究人员的基于PyTorch的音频源分离工具包	2.6K	450	05/13/26	MIT
75	WhisperJAV ASR/STT字幕生成器。使用Qwen3-ASR、本地LLM、Whisper、TEN-VAD。针对JAV抗噪。	2.2K	183	08/22/26	MIT
76	audioFlux 用于音频和音乐分析、特征提取的库。	3.4K	146	03/06/26	MIT
77	lhotse 用于处理机器学习项目中多模态数据的工具。	1.1K	277	08/26/26	Apache-2.0
78	Android-MVVM-Architecture-Android-Voice-AI-SDK 语音AI SDK是一个可复用的Android库，让任何应用在几分钟内获得完整的语音驱动AI对话流程。语音助手 + Android语音AI + SDK + MVVM + Kotlin	2.6K	614	06/01/26	Other
79	ElatoAI 实时语音AI，在Arduino ESP32上支持100+模型，具备安全Websockets和边缘函数，适用于AI伴侣和设备。	1.9K	240	08/19/26	Other
80	ClearerVoice-Studio 一个由AI驱动的语音处理工具包和开源SOTA预训练模型，支持语音增强、分离和目标说话人提取等。	4.5K	365	08/14/25	Apache-2.0

订阅更新