音频语音

音频语音(国外)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☆

4VoxCPM免 tokenizer 的多语言 TTS:创意声音设计与逼真克隆S·86—★ 40.8k+876☆

5faster-whisperCTranslate2加速Whisper,转写快4倍S·85—★ 26.3k+246☆

6whisperXWhisper 增强版:词级时间戳 + 说话人分离S·84▼1★ 24.9k+152☆

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

7leon开源个人语音助手S·83—★ 17.6k+22☆

8pyvideotrans视频跨语言翻译,自动配音加字幕S·83—★ 19.6k+81☆

9index-tts工业级可控高效的零样本 TTS 系统S·83▼1★ 24.8k+154☆

10TTS深度学习文本转语音工具箱,多语种声音克隆S·83—★ 46.2k+43☆

11CosyVoice多语言语音大模型:推理/训练/部署全栈S·83—★ 24.2k+94☆

12bark文本直接生成带情绪的语音/音效/笑声S·82—★ 39.3k+14☆

13MockingBird5 秒克隆声音,实时生成任意语音S·82—★ 36.9k☆

14sherpa-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☆

15vosk-api离线语音识别 API,手机/树莓派/服务器全平台S·81—★ 15.2k+22☆

16espnet端到端语音处理工具包,覆盖识别与合成S·80—★ 10.0k+5☆

17supertonic极速端侧多语言 TTS(ONNX 原生)S·80—★ 13.8k☆

18edge-tts免密钥调用微软Edge在线语音合成S·80—★ 12.4k+58☆

19speechbrain基于PyTorch的开源语音处理工具包S·80—★ 11.9k+12☆

20voice-pro创作者的 Gradio 语音工作台:TTS + 零样本声音克隆S·80—★ 13.4k+60☆

21mlx-audioApple MLX 上的 TTS/STT/语音转换库S·79—★ 8.2k+63☆

22SenseVoice多语种语音识别模型，支持情感与事件检测S·79—★ 9.6k+66☆

23annyang为网站提供语音识别功能的JS库S·78▲1★ 6.8k☆

24dia一次生成多角色超真实对话的TTS模型S·78—★ 19.4k+4☆

25argmax-oss-swiftApple芯片本地运行的语音AI库S·78—★ 6.4k+19☆

26abogen将电子书PDF一键转为带字幕有声书S·78—★ 6.2k+27☆

27speech_recognitionPython语音识别模块，支持多引擎多APIS·77—★ 9.0k+3☆

28wenet面向生产环境的端到端语音识别工具包S·77—★ 5.3k+3☆

29kaldi经典开源语音识别工具包KaldiS·77—★ 15.5k+4☆

30Kokoro-FastAPIKokoro-82M文本转语音的Docker化APIS·77—★ 5.6k+36☆

31dograh可自托管的开源语音AI平台S·77—★ 6.0k+55☆

32silero-models开箱即用的预训练文本转语音模型库S·77—★ 6.2k+9☆

33wav2letterMeta出品的端到端语音识别工具包S·76—★ 6.4k+1☆

34WhisperLive基于Whisper的近实时语音转写工具S·76▲1★ 4.3k+11☆

35porcupine设备端低延迟语音唤醒词检测引擎S·76—★ 5.0k+48☆

36espeak-ng支持上百种语言的开源语音合成引擎S·76—★ 7.0k+19☆

37Amphion音频、音乐与语音生成研究工具包S·75—★ 10.3k+7☆

38Applio简单易用的高音质AI变声工具S·75—★ 3.9k+44☆

39RealtimeTTS实时文本转语音工具，支持流式语音合成S·75—★ 4.0k+4☆

40fastrtc面向实时通信的Python库S·75—★ 4.6k+4☆

41whisper-diarization基于Whisper的语音识别与说话人分离工具S·75—★ 5.7k+4☆

42TTSMozilla出品的深度学习语音合成库S·75—★ 10.2k+4☆

43audio.cpp纯 C++ 音频模型推理引擎S·75—★ 3.9k+148☆

44pocketsphinx轻量级离线语音识别引擎S·75—★ 4.4k+2☆

45TTS-WebUI整合多种语音合成引擎的Gradio+React WebUIS·74—★ 3.3k+6☆

46qwen-audio-agent面向 AI Agent 的实时语音运行时S·74—★ 3.1k+71☆

47vits端到端语音合成模型，生成自然流畅的语音S·74—★ 7.9k+3☆

48BAn autonomous, context-aware AI desktop companion. Built with Python, featuring real-time screen vision, custom ONNX voice synthesis, activeS·74—★ 4.6k+1585☆

49MeloTTSMyShell出品的多语言高质量语音合成库S·74—★ 7.7k+8☆

50ml-road机器学习与智能体AI学习资源合集S·74—★ 5.0k+7☆

51elevenlabs-pythonElevenLabs语音合成官方Python SDKS·74—★ 3.2k+14☆

52VieNeu-TTS越南语文本转语音工具,支持即时声音克隆S·74—★ 3.0k+121☆

53MOSS-TTSOpenMOSS团队开源的高保真语音生成模型家族S·74—★ 4.3k+24☆

54DiffSinger浅扩散机制驱动的歌声与语音合成S·74—★ 4.9k+6☆

55MOSS-TTS-Nano100M 参数多语言 TTS,CPU 实时推理S·74—★ 4.6k+33☆

56StyleTTS2风格扩散驱动，逼近人类水准的文本转语音S·73—★ 6.4k+8☆

57whisper-asr-webservice基于Whisper的语音识别Web服务S·73—★ 3.4k+6☆

58willow开源本地自托管语音助手系统S·73—★ 3.1k+1☆

59yovoicemacOS 与 Windows 开源语音创作工具S·72—★ 2.0k+166☆

60whishper基于Whisper的本地语音转字幕工具S·72—★ 3.1k☆

展示前 60 名 · 完整榜单见 每日热榜 →