voice-ai

Studio AI giọng nói mã nguồn mở. Nhân bản, đọc chính tả, sáng tạo.

Ngăn xếp thời gian thực đầu cuối (end-to-end) để kết nối con người và AI.

VoiceStudio là giải pháp thay thế ElevenLabs mã nguồn mở, chạy hoàn toàn cục bộ — nhân bản giọng nói, thiết kế giọng nói, lồng tiếng video, đọc chính tả, chuyển đổi văn bản thành giọng nói và tạo sách nói bằng 646 ngôn ngữ.

Bộ công cụ sẵn sàng cho môi trường sản xuất để chạy AI cục bộ

Mô hình SenseVoiceSmall mã nguồn mở cho ASR tiếng Quan Thoại, Quảng Đông, Anh, Nhật và Hàn, nhận diện ngôn ngữ, cảm xúc và sự kiện âm thanh.

Open Vision Agents bởi Stream. Xây dựng các tác nhân giọng nói và tầm nhìn nhanh chóng với bất kỳ mô hình hoặc nhà cung cấp video nào. Sử dụng mạng biên của Stream để đạt độ trễ cực thấp.

Chạy Claude Code 100% trên thiết bị với AI cục bộ trên Apple Silicon. Máy chủ Anthropic-API gốc MLX. Gồm 6 mô hình bao gồm Muse-Glimmer 30B (đa phương thức — đọc hình ảnh), Gemma 4 31B, Qwen 3.5 122B (65 token/s), DeepSeek V4 Flash (ngữ cảnh 1M). Riêng tư, ngoại tuyến, sẵn sàng cho môi trường cách ly. Được xây dựng cho các quy trình công việc pháp lý / y tế / bảo mật thông tin.

Voice AI SDK là thư viện Android có thể tái sử dụng giúp mọi ứng dụng có được đường ống hội thoại AI điều khiển bằng giọng nói hoàn chỉnh trong vài phút. Voice Assistant + Android Voice AI + SDK + MVVM + Kotlin

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Web

Một môi trường chạy giọng nói thời gian thực giúp các Agent trò chuyện, làm việc và hiện diện. Môi trường chạy giọng nói thời gian thực cho AI Agent

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho iOS

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Flutter

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho Ionic

Trước đây là Better Chatbot. Navigator là một không gian làm việc AI mã nguồn mở dành cho các tác nhân, MCP và tự động hóa quy trình làm việc.

SDK AI giọng nói mã nguồn mở. Giải pháp thay thế Vapi/Retell cho các nhà phát triển muốn làm chủ ngăn xếp công nghệ. Cung cấp số điện thoại cho AI agent của bạn chỉ với 4 dòng code — Python và TypeScript, giấy phép MIT, hỗ trợ Twilio, Telnyx và Plivo.

Các mô hình Whisper được tối ưu hóa cho việc truyền phát và sử dụng trên thiết bị.

Trợ lý giọng nói thời gian thực — hỗ trợ truyền phát WebRTC, ASR faster-whisper, LLM cục bộ, TTS Vui Nano (300M). Tương thích với OpenAI Realtime API. Hỗ trợ sao chép giọng nói, ngắt lời, đạt tốc độ ~9× thời gian thực trên card 4090. Giấy phép Apache 2.0.

JARVIS — Một trợ lý AI ưu tiên giọng nói cho macOS, lấy cảm hứng từ MCU. Hãy nói chuyện với máy tính của bạn, nó sẽ phản hồi và hoàn thành công việc.

Rapida là một nền tảng điều phối AI giọng nói mã nguồn mở, dùng để xây dựng các tác nhân giọng nói hội thoại thời gian thực với tính năng truyền phát âm thanh, STT, TTS, VAD, tích hợp đa kênh, quản lý trạng thái tác nhân và khả năng quan sát.

Lớp truy xuất cho các hệ thống AI trong sản xuất. Tìm kiếm cực nhanh (<10ms) mà không cần cơ sở dữ liệu vector. Được xây dựng cho trình duyệt, edge, thiết bị và đám mây.

Khung AI agent TypeScript: bộ nhớ nhận thức, tạo công cụ runtime, điều phối đa agent, hỗ trợ 11 nhà cung cấp LLM.

Hệ thống tự lập trình cho ứng dụng của bạn — Alan AI SDK cho React Native.

Giúp các cuộc họp của bạn có thể truy cập được bởi AI Agents

Mô hình đối thoại bằng giọng nói đầu cuối thời gian thực mã nguồn mở đầu tiên trên thế giới với tính năng nhân bản giọng nói cá nhân hóa