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
101	MMAudio [CVPR 2025] MMAudio：驯服多模态联合训练以实现高质量视频到音频合成	2.3K	267	02/23/26	MIT
102	alltalk_tts AllTalk TTS 是一个基于 Coqui 的文本转语音引擎，具有高级功能，如模型微调、低显存支持、DeepSpeed 加速以及用于第三方应用的 JSON API 集成。	2.4K	285	01/09/26	AGPL-3.0
103	Speech-AI-Forge 🍦 Speech-AI-Forge 是一个围绕 TTS 生成模型开发的项目，实现了 API 服务器和基于 Gradio 的 WebUI。	1.4K	189	05/21/26	AGPL-3.0
104	conformer [非官方] PyTorch实现《Conformer：用于语音识别的卷积增强Transformer》（INTERSPEECH 2020）	1.1K	192	06/29/26	Apache-2.0
105	IMS-Toucan 可控且快速的文本转语音，支持超过7000种语言！	2.2K	316	01/25/26	Apache-2.0
106	vits VITS：条件变分自编码器与对抗学习用于端到端文本到语音合成	7.9K	1.4K	12/06/23	MIT
107	FireRedASR 开源工业级ASR模型，支持普通话、中文方言和英语，在公开普通话ASR基准上达到新SOTA，同时具备出色的歌词识别能力。	2.0K	165	02/25/26	Apache-2.0
108	Whisper-Finetune 微调Whisper语音识别模型，支持无时间戳数据训练、带时间戳数据训练及无语音数据训练。加速推理，支持Web部署、Windows桌面部署及Android部署。	1.2K	223	05/08/26	Apache-2.0
109	OuteTTS OuteTTS模型的接口	1.4K	118	03/23/26	Apache-2.0
110	index-tts-vllm 为IndexTTS添加了vLLM支持，以实现更快的推理。	1.2K	174	04/13/26	Apache-2.0
111	VibeVoice-ComfyUI 为微软的VibeVoice文本转语音模型提供全面的ComfyUI集成，使您能够在ComfyUI工作流程中直接实现高质量的单人和多说话人语音合成。	1.6K	249	02/18/26	MIT
112	whisper-ctranslate2 基于CTranslate2的Whisper命令行客户端，与原始OpenAI客户端兼容。	1.3K	128	02/14/26	MIT
113	distil-whisper 用于语音识别的 Whisper 蒸馏变体。速度快 6 倍，体积小 50%，词错误率在 1% 以内。	4.1K	357	01/08/25	MIT
114	DeepFilterNet 基于深度滤波的噪声抑制	4.6K	508	10/17/24	Other
115	sherpa-ncnn 使用下一代Kaldi和ncnn进行实时语音识别和语音活动检测（VAD），无需互联网连接。支持iOS、Android、Linux、macOS、Windows、Raspberry Pi、VisionFive2、LicheePi4A等。	1.8K	218	10/20/25	Apache-2.0
116	pykaldi Kaldi 的 Python 封装	1.0K	247	11/30/25	Apache-2.0
117	Whisperboard 开源 iOS 应用，让移动设备上的高质量语音转录更易用。	1.1K	114	12/18/25	GPL-3.0
118	vosk-android-demo 使用Vosk库的Android离线语音识别。	1.1K	277	12/08/25	Apache-2.0
119	Verbi 一个模块化语音助手，用于通过OpenAI、Groq、Deepgram和本地选项实验最先进的转录、响应生成和文本转语音模型。	1.1K	217	11/22/25	MIT
120	openai-edge-tts 免费、高质量文本转语音API端点，可替代OpenAI、Azure或ElevenLabs	2.1K	313	07/01/25	GPL-3.0

订阅更新