音频语音

音频语音分类当前收录 175 个 AI Skill,按 S-Score 排名靠前的有 whisper(S·92)、GPT-SoVITS(S·89)、whisper.cpp(S·89)。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·92▲2★ 105.9k+574☆

2GPT-SoVITS1 分钟语音就能训出好听 TTS,少样本声音克隆S·89—★ 60.2k+163☆

3whisper.cppWhisper 语音识别的 C/C++ 移植,纯本地推理S·89▲1★ 52.4k+317☆

4Retrieval-based-Voice-Conversion-WebUI检索式实时变声,几分钟训练个人声线S·87—★ 36.8k+250☆

5fish-speech多语种零样本语音克隆TTS,低延迟高保真S·86—★ 31.4k+77☆

6ChatTTS对话级中文语音合成,自然停顿与笑声S·85—★ 39.7k+38☆

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

7MockingBird5 秒克隆声音,实时生成任意语音S·85—★ 36.9k☆

8VoxCPM免 tokenizer 的多语言 TTS:创意声音设计与逼真克隆S·85—★ 34.4k+473☆

9index-tts工业级可控高效的零样本 TTS 系统S·83—★ 22.2k+204☆

10leon开源个人语音助手S·83—★ 17.4k+17☆

11whisperXWhisper 增强版:词级时间戳 + 说话人分离S·83—★ 23.3k+137☆

12FunASR开源语音识别工具箱，全流程支持流式ASRS·83—★ 19.5k+131☆

13TTS深度学习文本转语音工具箱,多语种声音克隆S·83—★ 45.8k+44☆

14pyvideotrans视频跨语言翻译,自动配音加字幕S·83—★ 18.5k+71☆

15CosyVoice多语言语音大模型:推理/训练/部署全栈S·82—★ 22.5k+136☆

16bark文本直接生成带情绪的语音/音效/笑声S·82—★ 39.2k+13☆

17supertonic极速端侧多语言 TTS(ONNX 原生)S·82—★ 13.5k+70☆

18OpenVoice秒级声音克隆,跨语言音色迁移S·82—★ 37.0k+50☆

19sherpa-onnx语音识别/合成/说话人分离全家桶,本地离线跑S·82—★ 13.8k+138☆

20vosk-api离线语音识别 API,手机/树莓派/服务器全平台S·81—★ 15.0k+39☆

21voice-pro创作者的 Gradio 语音工作台:TTS + 零样本声音克隆S·80—★ 11.3k+131☆

22espnet端到端语音处理工具包,覆盖识别与合成S·80—★ 9.9k+5☆

23OmniVoice-Studio开源本地语音克隆工具，ElevenLabs替代方案S·80—★ 9.2k+369☆

24faster-whisperCTranslate2加速Whisper,转写快4倍S·80—★ 24.6k+169☆

25PaddleSpeech易用语音工具包,流式识别合成一体化S·80—★ 12.7k+3☆

26edge-tts免密钥调用微软Edge在线语音合成S·79—★ 11.6k+55☆

27mlx-audioApple MLX 上的 TTS/STT/语音转换库S·79—★ 7.6k+39☆

28speechbrain基于PyTorch的开源语音处理工具包S·79—★ 11.7k+15☆

29SenseVoice多语种语音识别模型，支持情感与事件检测S·79—★ 9.0k+39☆

30Amphion音频、音乐与语音生成研究工具包S·78—★ 10.0k+16☆

31espeak-ng支持上百种语言的开源语音合成引擎S·78—★ 6.7k+26☆

32argmax-oss-swiftApple芯片本地运行的语音AI库S·78▲1★ 6.3k+14☆

33dia一次生成多角色超真实对话的TTS模型S·78—★ 19.4k+19☆

34annyang为网站提供语音识别功能的JS库S·77—★ 6.8k+3☆

35FunClip基于FunASR的视频转录字幕与AI剪辑工具S·77—★ 6.1k+31☆

36dograh可自托管的开源语音AI平台S·77—★ 5.1k+87☆

37abogen将电子书PDF一键转为带字幕有声书S·77—★ 5.4k+99☆

38kaldi经典开源语音识别工具包KaldiS·77—★ 15.4k+5☆

39speech_recognitionPython语音识别模块，支持多引擎多APIS·77—★ 9.0k+2☆

40wav2letterMeta出品的端到端语音识别工具包S·77—★ 6.4k☆

41ASRT_SpeechRecognition基于深度学习的中文语音识别系统S·77—★ 8.4k+2☆

42pocketsphinx轻量级离线语音识别引擎S·76—★ 4.3k+2☆

43YouDub-webui开源AI视频本地化与配音工具S·76—★ 5.2k+58☆

44DiffSinger浅扩散机制驱动的歌声与语音合成S·76—★ 4.8k+6☆

45WhisperLive基于Whisper的近实时语音转写工具S·76—★ 4.2k+45☆

46Kokoro-FastAPIKokoro-82M文本转语音的Docker化APIS·76▼1★ 5.3k+29☆

47ml-road机器学习与智能体AI学习资源合集S·75—★ 4.9k+13☆

48silero-models开箱即用的预训练文本转语音模型库S·75—★ 6.0k+10☆

49porcupine设备端低延迟语音唤醒词检测引擎S·75▼1★ 4.9k+3☆

50Applio简单易用的高音质AI变声工具S·75—★ 3.5k+25☆

51MOSS-TTSOpenMOSS团队开源的高保真语音生成模型家族S·75—★ 3.9k+55☆

52whisper-diarization基于Whisper的语音识别与说话人分离工具S·75—★ 5.6k+8☆

53TTSMozilla出品的深度学习语音合成库S·75—★ 10.2k+2☆

54wenet面向生产环境的端到端语音识别工具包S·75—★ 5.2k+37☆

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

56aeneas音频与文本自动强制对齐工具S·74—★ 2.9k+3☆

57elevenlabs-pythonElevenLabs语音合成官方Python SDKS·74—★ 3.0k+8☆

58EmotiVoice支持多音色与情感控制的TTS引擎S·74—★ 8.5k+6☆

59TTS-WebUI整合多种语音合成引擎的Gradio+React WebUIS·74—★ 3.2k+9☆

60willow开源本地自托管语音助手系统S·74—★ 3.1k+7☆

展示前 60 名 · 完整榜单见 每日热榜 →