音频语音

音频语音(国外)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)、OmniVoice-Studio(S·86)。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☆

3OmniVoice-Studio开源本地语音克隆工具，ElevenLabs替代方案S·86▲1★ 29.2k+8592☆

4VoxCPM免 tokenizer 的多语言 TTS:创意声音设计与逼真克隆S·86—★ 37.4k+576☆

5whisperXWhisper 增强版:词级时间戳 + 说话人分离S·84—★ 24.0k+111☆

6index-tts工业级可控高效的零样本 TTS 系统S·84—★ 24.0k+161☆

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

7TTS深度学习文本转语音工具箱,多语种声音克隆S·83—★ 46.0k+25☆

8pyvideotrans视频跨语言翻译,自动配音加字幕S·83—★ 19.0k+81☆

9leon开源个人语音助手S·83—★ 17.5k+15☆

10MockingBird5 秒克隆声音,实时生成任意语音S·82—★ 36.9k☆

11bark文本直接生成带情绪的语音/音效/笑声S·82—★ 39.3k+8☆

12CosyVoice多语言语音大模型:推理/训练/部署全栈S·82—★ 23.6k+118☆

13supertonic极速端侧多语言 TTS(ONNX 原生)S·82—★ 13.8k+9☆

14sherpa-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☆

15espnet端到端语音处理工具包,覆盖识别与合成S·80—★ 10.0k+11☆

16speechbrain基于PyTorch的开源语音处理工具包S·80—★ 11.8k+19☆

17SenseVoice多语种语音识别模型，支持情感与事件检测S·80—★ 9.3k+48☆

18vosk-api离线语音识别 API,手机/树莓派/服务器全平台S·80—★ 15.1k+14☆

19faster-whisperCTranslate2加速Whisper,转写快4倍S·80—★ 25.4k+122☆

20edge-tts免密钥调用微软Edge在线语音合成S·79—★ 11.9k+59☆

21mlx-audioApple MLX 上的 TTS/STT/语音转换库S·79—★ 7.9k+37☆

22voice-pro创作者的 Gradio 语音工作台:TTS + 零样本声音克隆S·79—★ 12.8k+50☆

23espeak-ng支持上百种语言的开源语音合成引擎S·78—★ 6.8k+21☆

24dia一次生成多角色超真实对话的TTS模型S·78—★ 19.4k+6☆

25speech_recognitionPython语音识别模块，支持多引擎多APIS·78—★ 9.0k+2☆

26Amphion音频、音乐与语音生成研究工具包S·78—★ 10.3k+10☆

27Kokoro-FastAPIKokoro-82M文本转语音的Docker化APIS·77—★ 5.4k+22☆

28kaldi经典开源语音识别工具包KaldiS·77—★ 15.5k+6☆

29dograh可自托管的开源语音AI平台S·77—★ 5.7k+40☆

30wav2letterMeta出品的端到端语音识别工具包S·77—★ 6.4k☆

31wenet面向生产环境的端到端语音识别工具包S·76▼1★ 5.2k+2☆

32pocketsphinx轻量级离线语音识别引擎S·76▲1★ 4.3k+5☆

33silero-models开箱即用的预训练文本转语音模型库S·76—★ 6.1k+12☆

34annyang为网站提供语音识别功能的JS库S·76—★ 6.8k☆

35WhisperLive基于Whisper的近实时语音转写工具S·76—★ 4.3k+25☆

36abogen将电子书PDF一键转为带字幕有声书S·76▼1★ 6.0k+82☆

37porcupine设备端低延迟语音唤醒词检测引擎S·76—★ 4.9k+5☆

38argmax-oss-swiftApple芯片本地运行的语音AI库S·76—★ 6.4k+8☆

39TTSMozilla出品的深度学习语音合成库S·75—★ 10.2k+1☆

40whisper-diarization基于Whisper的语音识别与说话人分离工具S·75▼1★ 5.6k+2☆

41Applio简单易用的高音质AI变声工具S·75—★ 3.7k+25☆

42MOSS-TTS-NanoA 100M-parameter multilingual TTS model for real-time CPU inference, voice cloning, and 48 kHz stereo generationS·75—★ 4.4k+60☆

43vits端到端语音合成模型，生成自然流畅的语音S·74—★ 7.9k+3☆

44MeloTTSMyShell出品的多语言高质量语音合成库S·74—★ 7.6k+15☆

45elevenlabs-pythonElevenLabs语音合成官方Python SDKS·74—★ 3.1k+9☆

46DiffSinger浅扩散机制驱动的歌声与语音合成S·74—★ 4.9k+5☆

47ml-road机器学习与智能体AI学习资源合集S·74—★ 4.9k+4☆

48RealtimeTTS实时文本转语音工具，支持流式语音合成S·74—★ 4.0k+4☆

49MOSS-TTSOpenMOSS团队开源的高保真语音生成模型家族S·74—★ 4.1k+32☆

50whisper-timestamped多语言语音识别,支持词级时间戳标注S·73—★ 2.8k+1☆

51qwen-audio-agentA realtime voice runtime that keeps Agents talking, working, and present. Real-time Voice Runtime for AI AgentsS·73—★ 2.6k+239☆

52StyleTTS2风格扩散驱动，逼近人类水准的文本转语音S·73—★ 6.3k+4☆

53TTS-WebUI整合多种语音合成引擎的Gradio+React WebUIS·73▼1★ 3.3k+8☆

54willow开源本地自托管语音助手系统S·73—★ 3.1k☆

55audio.cppAn all-in-one, pure C++ inference engine for audio models, powered by ggml. Supports TTS, STT, VAD, voice conversion, music generation, and S·73—★ 2.7k+369☆

56VieNeu-TTS越南语文本转语音工具,支持即时声音克隆S·73—★ 2.6k+67☆

57whisper-asr-webservice基于Whisper的语音识别Web服务S·72—★ 3.3k+4☆

58aeneas音频与文本自动强制对齐工具S·72—★ 2.9k+5☆

59GPA单一小模型实现语音多功能处理S·72—★ 3.1k☆

60whishper基于Whisper的本地语音转字幕工具S·72—★ 3.1k+3☆

展示前 60 名 · 完整榜单见 每日热榜 →