speech-to-speech

开源语音 AI 平台。自托管替代 Vapi 和 Retell。可本地部署，BYOK，支持 Speech to Speech 或 LLM/STT/TTS，带视觉工作流程构建器，MCP 原生与电话线路支持。

A simple, high-quality voice conversion tool focused on ease of use and performance.

LLaMA-Omni 是一個基於 Llama-3.1-8B-Instruct 構建的低延遲、高質量端到端語音交互模型，旨在達到 GPT-4o 級別的語音能力。

一款由 ggml 驱动的一体化纯 C++ 音频模型推理引擎。支持 TTS、STT、VAD、语音转换、音乐生成等功能，具备高度优化的性能，无 Python 依赖。

基于 Arduino ESP32 的实时语音 AI 玩具，拥有 100 多个模型，具备安全 Websockets 与 Edge Functions，适用于 AI 伴侣与设备

适用于 Apple Silicon 的 AI 语音工具组 — 由 MLX 与 CoreML 驱动的 ASR、TTS、语音转语音、VAD 与说话者分段

使用 React Native 构建的极速、跨平台移动端 AI 助手应用程序

一个用于在 Apple Silicon 上通过 MLX 进行音频处理的模块化 Swift SDK。

全球首款具备个性化语音克隆功能的开源实时端到端语音对话模型。

单一文件实现的高质量流式语音对语音互动代理原型