voice-ai

オープンソースの AI 音声スタジオ。クローン、ディクテート、作成。

人間とAIを繋ぐためのエンドツーエンドのリアルタイムスタック

VoiceStudioは、完全にローカルで動作するオープンソースのElevenLabs代替ツールです。646言語で音声クローニング、音声デザイン、ビデオダビング、ディクテーション、文字起こし、オーディオブック作成に対応しています。

ローカルでAIを実行するための本番環境対応ツールキット

Mandarin、Cantonese、English、Japanese、Korean向けのオープンソースのSenseVoiceSmallモデル。ASR、言語ID、感情認識、音声イベント検出に対応。

StreamによるOpen Vision Agents。任意のモデルまたはビデオプロバイダーを使用して、音声およびビジョンエージェントを迅速に構築できます。超低遅延のためにStreamのエッジネットワークを利用しています。

Apple Silicon 上のローカル AI により、Claude Code を 100% デバイス上で実行します。MLX ネイティブの Anthropic API サーバー。Muse-Glimmer 30B（マルチモーダル対応、画像読み取り可能）、Gemma 4 31B、Qwen 3.5 122B（65 tok/s）、DeepSeek V4 Flash（100万コンテキスト）など6つのモデルを搭載。プライベート、オフライン、エアギャップ環境に対応。NDA、法務、医療ワークフロー向けに構築されています。

Voice AI SDK は、あらゆるアプリに音声駆動型の完全な AI 会話パイプラインを数分で組み込める、再利用可能な Android ライブラリです。Voice Assistant + Android Voice AI + SDK + MVVM + Kotlin

アプリのためのセルフコーディングシステム — Web用 Alan AI SDK

エージェントの対話、作業、存在感を維持するリアルタイム音声ランタイム。AI エージェント向けのリアルタイム音声ランタイム

アプリのためのセルフコーディングシステム — iOS 向け Alan AI SDK

アプリ向けセルフコーディングシステム — Flutter 用 Alan AI SDK

アプリのためのセルフコーディングシステム — Ionic 向け Alan AI SDK

旧名Better Chatbot。Navigatorは、エージェント、MCP、ワークフロー自動化のためのオープンソースAIワークスペースです。

オープンソースの音声AI SDK。スタックを自社所有したい開発者向けの Vapi/Retell 代替ソリューション。4行のコードでAIエージェントに電話番号を付与 — Python と TypeScript、MITライセンス、Twilio、Telnyx、Plivoに対応。

ストリーミングおよびオンデバイス利用向けに最適化されたWhisperモデル

リアルタイム音声アシスタント — WebRTC ストリーミング、faster-whisper ASR、ローカル LLM、Vui Nano (300M) TTS。OpenAI Realtime API 互換。音声クローン、発話割り込み (barge-in)、RTX 4090 で約 9 倍のリアルタイム処理。Apache 2.0 ライセンス。

Rapidaは、音声ストリーミング、STT、TTS、VAD、マルチチャネル統合、エージェント状態管理、オブザーバビリティを備えたリアルタイム会話型音声エージェントを構築するための、オープンソースのエンドツーエンド音声AIオーケストレーションプラットフォームです。

JARVIS — MCUにインスパイアされたmacOS向け音声ファーストAIアシスタント。コンピュータと会話してタスクを遂行。

本番 AI システム向け検索レイヤー。ベクトルデータベースなしで超高速（10ms 未満）な検索を実現。ブラウザ、エッジ、オンデバイス、クラウド向けに構築されています。

TypeScript AIエージェントフレームワーク：認知メモリ、ランタイムツール構築、マルチエージェントオーケストレーション、11のLLMプロバイダー。

アプリのためのセルフコーディングシステム — React Native 向け Alan AI SDK

会議を AI エージェントにとってアクセシブルにする

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