音频语音

音频语音分类当前收录 191 个 AI Skill,按 S-Score 排名靠前的有 OmniVoice-Studio(S·92)、whisper(S·90)、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

1OmniVoice-Studio开源本地语音克隆工具，ElevenLabs替代方案S·92▲1★ 94.4k+12565☆

2whisperOpenAI 开源语音识别,多语种转写与翻译S·90—★ 111.6k+461☆

3whisper.cppWhisper 语音识别的 C/C++ 移植,纯本地推理S·89—★ 54.8k+212☆

4GPT-SoVITS1 分钟语音就能训出好听 TTS,少样本声音克隆S·89—★ 64.2k+665☆

5VoxCPM免 tokenizer 的多语言 TTS:创意声音设计与逼真克隆S·86—★ 40.8k+876☆

6fish-speech多语种零样本语音克隆TTS,低延迟高保真S·86—★ 33.5k+118☆

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

7faster-whisperCTranslate2加速Whisper,转写快4倍S·85—★ 26.3k+246☆

8Retrieval-based-Voice-Conversion-WebUI检索式实时变声,几分钟训练个人声线S·85—★ 38.9k+52☆

9whisperXWhisper 增强版:词级时间戳 + 说话人分离S·84▼1★ 24.9k+152☆

10FunASR开源语音识别工具箱，全流程支持流式ASRS·84—★ 20.9k+83☆

11index-tts工业级可控高效的零样本 TTS 系统S·83▼1★ 24.8k+154☆

12CosyVoice多语言语音大模型:推理/训练/部署全栈S·83—★ 24.2k+94☆

13pyvideotrans视频跨语言翻译,自动配音加字幕S·83—★ 19.6k+81☆

14TTS深度学习文本转语音工具箱,多语种声音克隆S·83—★ 46.2k+43☆

15leon开源个人语音助手S·83—★ 17.6k+22☆

16MockingBird5 秒克隆声音,实时生成任意语音S·82—★ 36.9k☆

17bark文本直接生成带情绪的语音/音效/笑声S·82—★ 39.3k+14☆

18ChatTTS对话级中文语音合成,自然停顿与笑声S·82—★ 40.0k+38☆

19OpenVoice秒级声音克隆,跨语言音色迁移S·82—★ 38.1k+64☆

20sherpa-onnx语音识别/合成/说话人分离全家桶,本地离线跑S·82—★ 15.6k+155☆

21vosk-api离线语音识别 API,手机/树莓派/服务器全平台S·81—★ 15.2k+22☆

22speechbrain基于PyTorch的开源语音处理工具包S·80—★ 11.9k+12☆

23voice-pro创作者的 Gradio 语音工作台:TTS + 零样本声音克隆S·80—★ 13.4k+60☆

24supertonic极速端侧多语言 TTS(ONNX 原生)S·80—★ 13.8k☆

25edge-tts免密钥调用微软Edge在线语音合成S·80—★ 12.4k+58☆

26espnet端到端语音处理工具包,覆盖识别与合成S·80—★ 10.0k+5☆

27lemo-opuscar39 种影片风格提示词与纯代码样片S·80—★ 9.4k+3811☆

28PaddleSpeech易用语音工具包,流式识别合成一体化S·79—★ 12.7k+4☆

29SenseVoice多语种语音识别模型，支持情感与事件检测S·79—★ 9.6k+66☆

30mlx-audioApple MLX 上的 TTS/STT/语音转换库S·79—★ 8.2k+63☆

31dia一次生成多角色超真实对话的TTS模型S·78—★ 19.4k+4☆

32abogen将电子书PDF一键转为带字幕有声书S·78—★ 6.2k+27☆

33annyang为网站提供语音识别功能的JS库S·78▲1★ 6.8k☆

34argmax-oss-swiftApple芯片本地运行的语音AI库S·78—★ 6.4k+19☆

35FunClip基于FunASR的视频转录字幕与AI剪辑工具S·77—★ 6.5k+34☆

36silero-models开箱即用的预训练文本转语音模型库S·77—★ 6.2k+9☆

37Kokoro-FastAPIKokoro-82M文本转语音的Docker化APIS·77—★ 5.6k+36☆

38YouDub-webui开源AI视频本地化与配音工具S·77—★ 5.8k+49☆

39speech_recognitionPython语音识别模块，支持多引擎多APIS·77—★ 9.0k+3☆

40dograh可自托管的开源语音AI平台S·77—★ 6.0k+55☆

41EmotiVoice支持多音色与情感控制的TTS引擎S·77—★ 8.5k☆

42wenet面向生产环境的端到端语音识别工具包S·77—★ 5.3k+3☆

43kaldi经典开源语音识别工具包KaldiS·77—★ 15.5k+4☆

44espeak-ng支持上百种语言的开源语音合成引擎S·76—★ 7.0k+19☆

45wav2letterMeta出品的端到端语音识别工具包S·76—★ 6.4k+1☆

46porcupine设备端低延迟语音唤醒词检测引擎S·76—★ 5.0k+48☆

47WhisperLive基于Whisper的近实时语音转写工具S·76▲1★ 4.3k+11☆

48fastrtc面向实时通信的Python库S·75—★ 4.6k+4☆

49Amphion音频、音乐与语音生成研究工具包S·75—★ 10.3k+7☆

50Applio简单易用的高音质AI变声工具S·75—★ 3.9k+44☆

51openlessHold 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—★ 4.0k+58☆

52pocketsphinx轻量级离线语音识别引擎S·75—★ 4.4k+2☆

53TTSMozilla出品的深度学习语音合成库S·75—★ 10.2k+4☆

54RealtimeTTS实时文本转语音工具，支持流式语音合成S·75—★ 4.0k+4☆

55whisper-diarization基于Whisper的语音识别与说话人分离工具S·75—★ 5.7k+4☆

56audio.cpp纯 C++ 音频模型推理引擎S·75—★ 3.9k+148☆

57MOSS-TTS-Nano100M 参数多语言 TTS,CPU 实时推理S·74—★ 4.6k+33☆

58ml-road机器学习与智能体AI学习资源合集S·74—★ 5.0k+7☆

59TTS-WebUI整合多种语音合成引擎的Gradio+React WebUIS·74—★ 3.3k+6☆

60VieNeu-TTS越南语文本转语音工具,支持即时声音克隆S·74—★ 3.0k+121☆

展示前 60 名 · 完整榜单见 每日热榜 →