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

开源高性能聊天机器人框架，支持多模态对话、语音交互和可扩展插件，一键部署私有 ChatGPT。

内置Ubuntu 24、40+工具、本地模型、MCP生态，Android上的Hermes平替

25K Stars，Rust 构建，本地 Obsidian 知识库，20 分钟自动同步，TokenJuice 压缩降本 80%

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

最完善的 Telegram 桥接 Claude Code 方案，支持 session 管理、实时流式、语音输入、文件上传

真正开源的 AI 数字人克隆工具，15K Stars。支持外观+声音克隆、文本/语音驱动生成视频，完全离线运行，Docker 一键部署

上传音视频，AI 自动整理成结构化 Markdown 笔记

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

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

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