开源的对话语音生成模型，能把文字转成自然流畅的日常对话语音，适合给聊天机器人和语音助手配音。
基于 Stream 边缘网络快速搭建语音与视觉智能体，可接入任意模型或视频源，实现超低延迟的实时多模态交互。
面向 LLM 应用的多智能体开发框架，支持多模态、语音与实时交互，让智能体的构建、运行和调试过程可见、可理解、可信。
一条命令行就能让 AI 智能体读取和搜索 Twitter、Reddit、YouTube、GitHub、B站、小红书等平台内容，不用付任何 API 费用。
面向 AI Agent 的实时语音运行时，把语音识别和语音合成接进编码助手，让 Agent 能边说话边干活、保持在线。
围绕 TTS 生成模型搭建的语音合成服务，提供 API Server 和 Gradio WebUI，方便快速部署和调用多种语音生成模型。
开源 AI 语音工作室，支持声音克隆、语音听写和语音生成，基于 Qwen3-TTS 与 Whisper，可在 CUDA 或 MLX 上本地运行。
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。
基于 VITS2 骨干网络和多语言 BERT 的语音合成模型，能生成自然度较高的多语种语音，适合做 TTS 训练与推理。
基于 WebRTC 的实时音视频传输栈，用 SFU 架构把人和 AI 接进同一个房间，适合做语音 AI、视频通话和直播。
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。
端到端语音处理工具箱，覆盖语音识别、合成、翻译、增强、分离和说话人日志等任务，基于 PyTorch 提供统一训练与推理流程。
一个能自主感知上下文的桌面 AI 伴侣，通过实时屏幕视觉、窗口追踪和 ONNX 语音合成，配合带表情的悬浮界面与你互动。
自托管的抖音、TikTok、B站数据采集与无水印视频下载 API，提供异步 REST 接口、MCP 服务、CLI 和网页控制台，支持离线语音转文字，Docker 一键部署。
开源本地 AI 推理引擎，无需 GPU 即可在任意硬件上跑 LLM、视觉、语音和图像生成模型，提供兼容 OpenAI 的 API。
把视频从一种语言翻译成另一种语言，自动生成配音和字幕并嵌入视频，适合做视频本地化和跨语言内容分发。
开源音乐生成基础模型，用符号规划、零样本翻唱和智能体编辑从歌词生成完整歌曲，适合研究音乐生成与风格迁移。
用 TypeScript 快速搭建 AI 应用和智能体的现代框架，内置工作流、对话机器人和评测能力，省去自己拼装 LLM 调用链的麻烦。
跨平台语音转文字听写应用，支持本地 Nvidia Parakeet/Whisper 模型和自带密钥的云端模型，主打隐私优先。
本地优先的 Markdown 笔记应用，先随手记录再靠 AI 整理，把零散片段自动归拢成结构清晰的笔记。
一套能在手机和边缘设备上本地跑大模型、扩散模型和多模态推理的生产级 SDK，覆盖 Android、iOS、Flutter，省去自己搭推理链路的麻烦。
一个 Python 的 LLM 评测框架，提供开箱即用的评估指标，帮你在开发和上线前系统检验大模型输出质量。
机器学习与智能体 AI 的学习资源合集，涵盖计算机视觉、NLP、语音识别等方向的实践教程与研究资料，适合系统入门和查阅。
在 Arduino ESP32 硬件上跑实时语音 AI，通过安全 WebSocket 和边缘函数接入 100+ 模型，做 AI 陪伴设备。
开源本地语音听写工具，基于 Whisper 把说的话实时转成文字，不用联网也不上传隐私数据。
本地优先的会议与语音备忘录转写工具，在设备端把录音转成 Markdown，并支持 Claude Code、Cursor 等 MCP 客户端直接查询。
用 Python 搭建语音对话 AI 代理的框架，整合 Deepgram、ElevenLabs 等语音服务与 GPT-4、DeepSeek 等大模型，支持函数调用，快速做出能打电话的智能体。
输入任意主题，自动生成带 TTS 旁白、字幕和章节进度条的黑底动态图形讲解视频，支持中英文，每帧都用 Remotion 代码绘制。
macOS 上的本地会议转录与语音听写工具，支持 Apple Silicon 端侧推理，隐私优先，可替代 Granola 和 WisprFlow。
在 ComfyUI 里搭建 LLM Agent 的框架，接入 MCP、GraphRAG、语音合成与 OCR 节点，兼容 OpenAI 接口的各类模型和本地 GGUF 模型。
在浏览器里直接跑 llama、deepseek-distill、kokoro 等本地大模型和语音合成，靠 WebGPU 加速，不用装后端也不用上传数据。
基于 CrewAI 多智能体协作的视频剪辑助手，自动完成视频下载、语音转写和片段剪辑，适合批量产出短视频素材。
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。
把一段脚本自动变成带旁白的 MP4 讲解视频：本地 Kokoro 语音合成、Whisper 词级时间对齐，再用 Canvas 渲染动画，适合做产品演示。
法语本地语音助手，可接 Claude 或离线 Ollama，用语音控制 Hue 灯、OBS、日程、浏览器和 Twilio 电话，并自带 MCP 服务端。
把会议录音转成文字并实时分析，让 AI 智能体在会前、会中、会后持续跟进，自动生成会议纪要并驱动后续工作流。
把一句想法丢进对话，就能自动完成脚本、配图、配音到成片的 AI 视频生成多智能体系统，适合快速产出短片。
把整本书自动转换成带动画、旁白和交互的网页课件，适合做互动教材和在线课程，无需手动剪辑。
本地运行的开源 AI 会议助手与面试副驾，提供实时转写、会议笔记、讲座录音和本地 RAG，支持自带密钥，无需订阅。
把视频按场景切成 9-16 格带时间戳和字幕的分镜图，连同音频包络压成一张 384 token 的图片，方便大模型低成本理解长视频。