用 Python 直接调用微软 Edge 的在线语音合成服务，无需安装 Edge 浏览器或密钥，即可把文本转成自然语音。

多语种语音理解模型，一次推理就能完成中英日韩粤语音识别、语种判别、情绪识别和音频事件检测，适合做语音交互与音频分析。

基于 MCP 协议、跑在 ESP32 上的聊天机器人固件，让单片机也能接入大模型对话与工具调用。

超低延迟的语音转文字、意图识别和语音合成工具，用来搭建语音助手和语音交互界面，响应快、适合实时对话场景。

开源的个人 AI 助手，可本地离线运行，通过语音或文字对话帮你处理日程、查询信息、执行自动化任务。

给网页加语音识别的前端库，几行代码就能让站点听懂用户说话，支持语音指令和语音转文字。

基于新一代 Kaldi 和 onnxruntime 的离线语音工具包，一套搞定语音识别、合成、说话人分离、降噪、声源分离和 VAD，可跑在嵌入式、手机和服务器上。

预训练的企业级语音活动检测（VAD）模型，能精准切分音频中的说话段与静音段，支持 ONNX 和 PyTorch 部署，适合语音识别、语音指令等场景的前置处理。

给 Claude Code 加上语音对话能力，用 Whisper 做语音识别、Kokoro 做语音合成，通过 MCP 服务实现自然流畅的语音交互。

离线运行的俄语语音助手，通过插件机制扩展技能，适合在无网络环境下做语音交互和自定义语音指令开发。

安卓端全场景 GPT 助手，按音量键即可唤起语音对话，支持联网、拍照、附件解析和智能体模式，让手机随时变成随身 AI 助理。

面向物理 AI 机器人的厂商无关智能体框架，基于 ROS 2 工具执行复杂动作、场景任务、自由接口调用、日志摘要和语音交互。

Stream-Omni 是一个类 GPT-4o 的多模态对话模型，支持文本、图像、语音任意组合的实时交互，可用于语音问答和多模态聊天场景。