音频语音

音频语音分类当前收录 184 个 AI Skill,按 S-Score 排名靠前的有 whisper(S·91)、whisper.cpp(S·89)、GPT-SoVITS(S·88)。S-Score 基于 GitHub 星标量级与维护活跃度算法计算,每小时重排、付费不影响排名,数据每日快照。

#SKILL · 摊位S-SCORESTARS ★ 7D趋势

1whisperOpenAI 开源语音识别,多语种转写与翻译S·91—★ 109.1k+397☆

2whisper.cppWhisper 语音识别的 C/C++ 移植,纯本地推理S·89—★ 53.7k+160☆

3GPT-SoVITS1 分钟语音就能训出好听 TTS,少样本声音克隆S·88—★ 61.8k+108☆

4OmniVoice-Studio开源本地语音克隆工具，ElevenLabs替代方案S·86▲1★ 29.2k+8592☆

5VoxCPM免 tokenizer 的多语言 TTS:创意声音设计与逼真克隆S·86—★ 37.4k+576☆

6fish-speech多语种零样本语音克隆TTS,低延迟高保真S·85▼1★ 32.7k+97☆

AD◧广告位招商中 —— 你的产品出现在这里自助投放 · 周结算 · 广告内容与榜单排序无关了解 →广告 AD

7Retrieval-based-Voice-Conversion-WebUI检索式实时变声,几分钟训练个人声线S·85—★ 38.2k+51☆

8ChatTTS对话级中文语音合成,自然停顿与笑声S·85—★ 39.8k+21☆

9index-tts工业级可控高效的零样本 TTS 系统S·84—★ 24.0k+161☆

10whisperXWhisper 增强版:词级时间戳 + 说话人分离S·84—★ 24.0k+111☆

11FunASR开源语音识别工具箱，全流程支持流式ASRS·84—★ 20.3k+107☆

12pyvideotrans视频跨语言翻译,自动配音加字幕S·83—★ 19.0k+81☆

13TTS深度学习文本转语音工具箱,多语种声音克隆S·83—★ 46.0k+25☆

14leon开源个人语音助手S·83—★ 17.5k+15☆

15CosyVoice多语言语音大模型:推理/训练/部署全栈S·82—★ 23.6k+118☆

16bark文本直接生成带情绪的语音/音效/笑声S·82—★ 39.3k+8☆

17sherpa-onnx语音识别/合成/说话人分离全家桶,本地离线跑S·82—★ 14.8k+107☆

18MockingBird5 秒克隆声音,实时生成任意语音S·82—★ 36.9k☆

19OpenVoice秒级声音克隆,跨语言音色迁移S·82—★ 37.5k+59☆

20supertonic极速端侧多语言 TTS(ONNX 原生)S·82—★ 13.8k+9☆

21SenseVoice多语种语音识别模型，支持情感与事件检测S·80—★ 9.3k+48☆

22espnet端到端语音处理工具包,覆盖识别与合成S·80—★ 10.0k+11☆

23vosk-api离线语音识别 API,手机/树莓派/服务器全平台S·80—★ 15.1k+14☆

24faster-whisperCTranslate2加速Whisper,转写快4倍S·80—★ 25.4k+122☆

25speechbrain基于PyTorch的开源语音处理工具包S·80—★ 11.8k+19☆

26mlx-audioApple MLX 上的 TTS/STT/语音转换库S·79—★ 7.9k+37☆

27voice-pro创作者的 Gradio 语音工作台:TTS + 零样本声音克隆S·79—★ 12.8k+50☆

28edge-tts免密钥调用微软Edge在线语音合成S·79—★ 11.9k+59☆

29PaddleSpeech易用语音工具包,流式识别合成一体化S·79—★ 12.7k+2☆

30espeak-ng支持上百种语言的开源语音合成引擎S·78—★ 6.8k+21☆

31FunClip基于FunASR的视频转录字幕与AI剪辑工具S·78—★ 6.3k+76☆

32EmotiVoice支持多音色与情感控制的TTS引擎S·78—★ 8.5k☆

33Amphion音频、音乐与语音生成研究工具包S·78—★ 10.3k+10☆

34dia一次生成多角色超真实对话的TTS模型S·78—★ 19.4k+6☆

35speech_recognitionPython语音识别模块，支持多引擎多APIS·78—★ 9.0k+2☆

36kaldi经典开源语音识别工具包KaldiS·77—★ 15.5k+6☆

37dograh可自托管的开源语音AI平台S·77—★ 5.7k+40☆

38YouDub-webui开源AI视频本地化与配音工具S·77—★ 5.5k+50☆

39wav2letterMeta出品的端到端语音识别工具包S·77—★ 6.4k☆

40Kokoro-FastAPIKokoro-82M文本转语音的Docker化APIS·77—★ 5.4k+22☆

41ASRT_SpeechRecognition基于深度学习的中文语音识别系统S·77—★ 8.4k☆

42argmax-oss-swiftApple芯片本地运行的语音AI库S·76—★ 6.4k+8☆

43wenet面向生产环境的端到端语音识别工具包S·76▼1★ 5.2k+2☆

44abogen将电子书PDF一键转为带字幕有声书S·76▼1★ 6.0k+82☆

45pocketsphinx轻量级离线语音识别引擎S·76▲1★ 4.3k+5☆

46silero-models开箱即用的预训练文本转语音模型库S·76—★ 6.1k+12☆

47annyang为网站提供语音识别功能的JS库S·76—★ 6.8k☆

48porcupine设备端低延迟语音唤醒词检测引擎S·76—★ 4.9k+5☆

49WhisperLive基于Whisper的近实时语音转写工具S·76—★ 4.3k+25☆

50whisper-diarization基于Whisper的语音识别与说话人分离工具S·75▼1★ 5.6k+2☆

51MOSS-TTS-NanoA 100M-parameter multilingual TTS model for real-time CPU inference, voice cloning, and 48 kHz stereo generationS·75—★ 4.4k+60☆

52Applio简单易用的高音质AI变声工具S·75—★ 3.7k+25☆

53TTSMozilla出品的深度学习语音合成库S·75—★ 10.2k+1☆

54openlessHold a key, speak, release — AI-polished text appears at your cursor in any app. Open-source voice input for macOS & Windows. (按住快捷键说话，松开即得润S·75—★ 3.5k+66☆

55vits端到端语音合成模型，生成自然流畅的语音S·74—★ 7.9k+3☆

56RealtimeTTS实时文本转语音工具，支持流式语音合成S·74—★ 4.0k+4☆

57MOSS-TTSOpenMOSS团队开源的高保真语音生成模型家族S·74—★ 4.1k+32☆

58DiffSinger浅扩散机制驱动的歌声与语音合成S·74—★ 4.9k+5☆

59elevenlabs-pythonElevenLabs语音合成官方Python SDKS·74—★ 3.1k+9☆

60ml-road机器学习与智能体AI学习资源合集S·74—★ 4.9k+4☆

展示前 60 名 · 完整榜单见 每日热榜 →