开源语音交互 AI 虚拟伴侣，13.5K Stars。支持实时语音对话、视觉感知、Live2D 形象，桌面宠物模式可完全离线运行

微软开源的前沿语音AI模型，支持60分钟长音频识别和90分钟多说话人语音合成

68种语言语音转文字，支持多语言识别/翻译/语种检测，命令行即可使用

7 引擎 TTS + 语音克隆 + 全局语音输入，本地运行零隐私泄露

检索式变声框架：10分钟语音训练音色模型，训练推理一体WebUI，37k stars

10语言全覆盖、97ms流式延迟、3秒声音克隆，中文TTS天花板，Apache 2.0商用免费

阿里Qwen团队出品，中文WER开源最低，配套ForcedAligner毫秒级时间戳，视频配音翻译链路的基础设施

实时交互流式数字人引擎，9.3K Stars。支持 Wav2Lip/MuseTalk/Ernerf 多模型，WebRTC/RTMP/虚拟摄像头输出，已广泛商用

811★开源安卓语音输入法：按住空格就说话，18个识别引擎随便切（含本地离线模型），说完自动上屏还能自动发送，还能被物理按键远程触发

/images/uploads/wangbixi/2011/08/lzl.png "lzl"软件类型：便捷生活 语言类型：简体中文 资费说明：免费软件 更新时间：20110808 分辨率：320\480 480\854 480\800 android下载地址： MobileAssistant\_20

对圆屏小盒子说话，查的做的派给Grok Bot，点歌本地秒放，屏幕上还有一对会眨眼的眼睛

零依赖、无需 GPU，一行命令让 AI Agent 开口说话，支持中文多种声音

微软开源中文 TTS，男声女声，RTF 0.5x，Agent 通过 SSH 一键生成并播放

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