speech-to-speech

オープンソースの音声AIプラットフォーム。VapiやRetellのセルフホスト型代替品。Speech to SpeechまたはLLM/STT/TTSに対応したオンプレミス、BYOK環境。ビジュアルワークフロービルダー、MCPネイティブ、テレフォニーサポート付き。

使いやすさとパフォーマンスに重点を置いた、シンプルで高品質な音声変換ツール

LLaMA-Omni は、Llama-3.1-8B-Instruct を基に構築された低レイテンシかつ高品質なエンドツーエンドの音声インタラクションモデルで、GPT-4o レベルの音声機能の実現を目指しています。

ggml を活用した、音声モデル向けのオールインワンかつ純粋な C++ 推論エンジン。TTS、STT、VAD、音声変換、音楽生成などを高度に最適化されたパフォーマンスでサポートします。Python 依存関係はありません。

Arduino ESP32向けの100種類以上のモデルを搭載したリアルタイム音声AIトイ。セキュアなWebsocketとAIコンパニオン・デバイス向けのEdge Functionsに対応。

Apple Silicon 向け AI 音声ツールキット — MLX と CoreML を活用した ASR、TTS、音声対音声、VAD、話者分離

React Nativeで構築された、超高速かつクロスプラットフォーム対応のモバイルAIアシスタントアプリ

Apple Silicon上のMLXで音声処理を行うためのモジュール式Swift SDK

パーソナライズされた音声クローン機能を備えた、世界初のオープンソースのリアルタイムエンドツーエンド音声対話モデル

単一ファイルで実装された、高品質かつストリーミング対応のSpeech-to-Speech対話型エージェント。