OpenAI का ओपन-सोर्स सामान्य-उद्देश्य स्पीच रिकग्निशन मॉडल, बहुभाषी ट्रांसक्रिप्शन और अनुवाद का समर्थन।
🎙️ आवाज़ और ऑडियो
स्पीच रिकग्निशन, टेक्स्ट-टू-स्पीच, वॉइस क्लोनिंग और संगीत जनरेशन
सभी 1040🧠 बड़े भाषा मॉडल 24🤖 AI एजेंट 159🧩 ऐप डेवलपमेंट प्लेटफ़ॉर्म 23📚 RAG और नॉलेज बेस 47💬 चैट इंटरफ़ेस और क्लाइंट 41🖥️ लोकल इन्फ़रेंस और डिप्लॉयमेंट 87👨💻 AI कोडिंग 97🛠️ डेवलपमेंट फ़्रेमवर्क और SDK 46🔌 MCP और टूल इकोसिस्टम 36🎨 इमेज जनरेशन 26🎬 वीडियो जनरेशन 17🎙️ आवाज़ और ऑडियो 45👁️ कंप्यूटर विज़न 26📄 दस्तावेज़ पार्सिंग और स्क्रैपिंग 25🗄️ वेक्टर डेटाबेस 25🏋️ ट्रेनिंग, फ़ाइन-ट्यूनिंग और MLOps 71🧪 मूल्यांकन, ऑब्ज़र्वेबिलिटी और सुरक्षा 79🚪 API गेटवे और प्रॉक्सी 12🔎 सर्च और डीप रिसर्च 16⚙️ डीप लर्निंग लाइब्रेरी 57🏷️ डेटा और एनोटेशन 32🔬 उद्योग और विज्ञान के लिए AI 33⚡ उत्पादकता टूल 16
केवल कुछ सेकंड से एक मिनट की आवाज़ से आवाज़ क्लोन करके स्पीच बनाने वाला TTS टूल।
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。