Modelo de reconocimiento de voz de propósito general y código abierto de OpenAI, con transcripción y traducción multilingües.
🎙️ Voz y audio
Reconocimiento de voz, síntesis de voz, clonación de voz y generación de música
Todo 1045🧠 Modelos de lenguaje 24🤖 Agentes de IA 162🧩 Plataformas de desarrollo de apps 22📚 RAG y bases de conocimiento 48💬 Interfaces de chat y clientes 40🖥️ Inferencia y despliegue local 88👨💻 Programación con IA 97🛠️ Frameworks y SDK 47🔌 MCP y ecosistema de herramientas 36🎨 Generación de imágenes 26🎬 Generación de vídeo 17🎙️ Voz y audio 45👁️ Visión por computador 26📄 Análisis de documentos y scraping 25🗄️ Bases de datos vectoriales 25🏋️ Entrenamiento, ajuste fino y MLOps 71🧪 Evaluación, observabilidad y seguridad 79🚪 Pasarelas y proxies de API 12🔎 Búsqueda e investigación profunda 15⚙️ Bibliotecas de aprendizaje profundo 58🏷️ Datos y anotación 32🔬 IA para industria y ciencia 34⚡ Herramientas de productividad 16
Herramienta de TTS que clona una voz y sintetiza habla con solo unos segundos o un minuto de audio.
通义实验室的多语言语音合成大模型，支持零样本音色克隆。
VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audiobook creation in 646 languages.
The open-source AI voice studio. Clone, dictate, create.
Open-Source Frontier Voice AI
Whisper 的 C/C++ 移植，可在 CPU、手机和浏览器里运行。
深度学习文本转语音工具包，模型丰富。
面向日常对话场景的生成式语音模型，中英文自然流畅。
VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning
文本生成高度逼真的多语种语音、音乐与音效。
即时语音克隆，可灵活控制语气与风格。
开源的多语言文本转语音，支持零样本克隆。
Resemble AI 开源的 TTS 模型，支持情感控制。
基于 CTranslate2 的 Whisper 重实现，速度快 4 倍且更省内存。
带词级时间戳与说话人分离的快速 Whisper 转写。
B 站开源的工业级零样本语音合成系统。
Meta 的音频生成库，含 MusicGen 与 AudioGen。
YC (S26) | Open Computer History | Continuously record your company computer work, map your workflows, help you find work worth automating, and power your agents' context
阿里达摩院的端到端语音识别工具包，中文效果出色。
视频翻译配音工具：识别、翻译、配音与字幕合成。
A scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)
流匹配的流畅忠实语音合成。
离线语音识别/合成/说话人识别，覆盖手机、嵌入式与浏览器。