speech-to-speech

Plataforma de voz AI de código aberto. Alternativa auto-hospedada ao Vapi e Retell. On-prem, BYOK para Speech to Speech ou LLM/STT/TTS, com construtor visual de fluxo de trabalho, suporte nativo a MCP e telefonia.

Uma ferramenta de conversão de voz simples e de alta qualidade, focada em facilidade de uso e desempenho.

LLaMA-Omni é um modelo de interação de voz end-to-end de baixa latência e alta qualidade construído sobre o Llama-3.1-8B-Instruct, visando alcançar capacidades de voz no nível do GPT-4o.

Um motor de inferência tudo-em-um em C++ puro para modelos de áudio, alimentado por ggml. Suporta TTS, STT, VAD, conversão de voz, geração de música e mais, com desempenho altamente otimizado. Sem dependência de Python.

Brinquedos de IA de voz em tempo real com mais de 100 modelos no Arduino ESP32, com WebSockets seguros e Edge Functions para companheiros e dispositivos de IA.

Toolkit de fala de IA para Apple Silicon — ASR, TTS, speech-to-speech, VAD e diarização alimentados por MLX e CoreML

Um aplicativo assistente de IA móvel ultrarrápido e multiplataforma construído com React Native.

Um SDK modular em Swift para processamento de áudio com MLX em Apple Silicon

O primeiro modelo de diálogo falado de ponta a ponta em tempo real de código aberto do mundo com clonagem de voz personalizada.

Agente interativo de fala para fala (Speech-to-Speech) de alta qualidade e em streaming implementado em um único arquivo.