甩一段视频进去，画面内容、背景音乐、音效、对白全给你分析出来——阿里原生全模态模型，30B只激活3B，还能直接用语音回答你，Apache 2.0

151000子龙•26天前

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

102000子龙•27天前

5秒样本零样本TTS，1分钟数据微调即可克隆声音。支持中英日韩粤跨语言推理，集成WebUI工具链，58k Stars

169001子龙•4个月前

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

95000子龙•4个月前

7 引擎 TTS + 语音克隆 + 全局语音输入，本地运行零隐私泄露

104000子龙•4个月前

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

139000子龙•4个月前

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。

161000子龙•5个月前

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

148000子龙•5个月前

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

134000子龙•5个月前