OpenBMB 开源的 2B 参数文本转语音模型，支持 30 语言、Voice Design 声音设计、可控声音克隆，48kHz 输出，Apache-2.0 可商业使用

完全离线、0.15秒出字，按住CapsLock说话松开就上屏，再也不用给讯飞交月费了

对着屏幕说话，文字自动出现在任何应用的光标处，AI还帮你润色

吃灰的小米蓝牙遥控器别扔——装上它秒变 Mac 无线麦，按住说话就输入，还能给 AI 开只读记忆授权。

Google 王炸、OpenAI 6.1 被安全测试拦下、六巨头签超级智能协议、算力打到外太空——一分钟看完一周 AI 大事（转自抖音@产品君）

语音识别+大模型+语音合成+虚拟形象全链路打包,开箱即用,直播带货/客服场景首选

开源本地语音合成工作室，ElevenLabs 的免费替代品，支持 23 种语言

上传视频自动语音转写，选中文字段落就剪出对应片段，还支持按说话人剪辑和 LLM 辅助选段

MiniMax 官方 CLI，支持文本/图像/视频/语音/音乐生成，AI 代理原生集成

一站式视频字幕处理：语音识别、字幕优化、翻译、配音、烧录，免费功能安装即用

音频驱动数字人视频生成，照片+语音生成对口型视频，支持唱歌/双人对话/动漫动物，8步推理，MIT协议可商用

它可以实现：关机弹出时能保证最前端显示，最好有语音提示，最好能倒计时，最好能取消，最好还能加个10分钟延迟关机的……坐电脑前有时会忘记事情，最好还能顺便加个定时提醒的……

这种东西要穷其一生去研究。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域TensorFlow将完全开源，任何人都可以用。

集成翻译、配音、语音克隆，支持横竖屏，输出适配抖音、小红书、B站、YouTube、TikTok

AI驱动的视频字幕提取+文案三维度分析，支持B站/YouTube/抖音，FunASR中文语音转录+RapidOCR烧录字幕识别

ESP32翻红的幕后推手：一块几十块的板子接麦克风喇叭连大模型就是语音AI入口，MIT开源，还能通过MCP真关灯真控设备

微软删除官方推理代码后，社区补上的完整 MLX 实现。支持 1.5B/7B 语音合成、零样本语音克隆、量化加速。

微软删除官方 TTS 推理代码后，社区 fork 保留的 PyTorch 完整实现。支持单卡/多卡推理、语音克隆、Gradio Demo。

用 Scrcpy 图形化控制 Android 设备，支持无线投屏、多设备管理、集成控制栏、AI 语音操控

利用 AI 大模型一键自动解说并剪辑视频，支持多语言、字幕、语音合成