voice-ai

开源 AI 语音工作室，支持克隆、口述和创作

端到端实时流堆栈，连接人类与 AI

VoiceStudio 是开源、完全本地化的 ElevenLabs 替代方案——支持 646 种语言的语音克隆、语音设计、视频配音、口述、转录与有声书制作。

可在本机运行 AI 的生产就绪工具包

开源 SenseVoiceSmall 模型，支持普通话、粤语、英语、日语和韩语的语音识别、语言识别、情绪识别和音频事件检测。

Stream 的 Open Vision Agents。使用任意模型或视频提供者快速构建语音与视觉代理，利用 Stream 边缘网络实现超低延迟

在 Apple Silicon 上 100% 本地执行 Claude Code，使用本地 AI。MLX 原生 Anthropic-API 服务器。包含 6 个模型，包括 Muse-Glimmer 30B（现在多模态——可读取图像，已被消除）、Gemma 4 31B、Qwen 3.5 122B（65 tok/s）、DeepSeek V4 Flash（1M 上下文）。私有、离线、可隔离。为 NDA / 法律 / 医疗工作流程而建。

Voice AI SDK 是一个可重复使用的 Android 库，可在几分钟内为任何应用程序提供完整的语音驱动 AI 对话流程。语音助手 + Android 语音 AI + SDK + MVVM + Kotlin

适用于您的应用程序的自我编码系统 — 适用于 Web 的 Alan AI SDK

实时语音运行时，让 Agent 保持对话、运作与在线状态。AI Agent 的实时语音运行时。

您应用的自我编码系统 — 用于 iOS 的 Alan AI SDK

应用程序的自我编码系统 — 用于 Flutter 的 Alan AI SDK

应用程序的自我编码系统 — 适用于 Ionic 的 Alan AI SDK

前身为 Better Chatbot。Navigator 是一个用于 agent、MCP 与工作流程自动化的开源 AI 工作空间。

开源语音 AI SDK。专为想掌控技术栈的开发者打造的 Vapi/Retell 替代方案。只需 4 行代码就能赋予 AI 代理电话号码——支持 Python 与 TypeScript，采用 MIT 授权，整合 Twilio、Telnyx 与 Plivo。

针对流式传输与设备端使用优化的 Whisper 模型

实时语音助手 —— WebRTC 流式传输、faster-whisper ASR、本地 LLM、Vui Nano (300M) TTS。兼容 OpenAI Realtime API。支持语音克隆、插话打断，在 4090 上约有 9 倍实时性能。采用 Apache 2.0 许可证。

JARVIS — 灵感来自 MCU 的 macOS 语音优先 AI 助理。与您的电脑对话，它会回应并完成任务。

Rapida 是一个开源的端到端语音 AI 编排平台，用于构建具备音频流、STT、TTS、VAD、多通道集成、代理状态管理与可观测性的实时对话语音代理。

适用于生产环境 AI 系统的检索层。无需向量数据库即可实现极速搜索（<10ms）。专为浏览器、Edge、端侧与云端打造。

TypeScript AI agent 框架：认知记忆、运行时工具 forge、多 agent 编排、11 个 LLM 提供者。

您的应用程序自动编码系统 — 用于 React Native 的 Alan AI SDK

让您的会议能被 AI Agents 访问

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。