speech-to-speech

開源語音 AI 平台。自託管替代 Vapi 和 Retell。可本地部署，BYOK，支援 Speech to Speech 或 LLM/STT/TTS，帶視覺工作流程建構器，MCP 原生與電話線路支援。

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、高品質端到端語音互動模型，旨在達到 GPT-4o 級別的語音能力。

一款由 ggml 驅動的一體化純 C++ 音訊模型推理引擎。支援 TTS、STT、VAD、語音轉換、音樂生成等功能，具備高度優化的效能，無需依賴 Python。

基於 Arduino ESP32 的即時語音 AI 玩具，擁有 100 多種模型，具備安全 Websockets 與 Edge Functions，適用於 AI 伴侶與裝置

適用於 Apple Silicon 的 AI 語音工具組 — 由 MLX 與 CoreML 驅動的 ASR、TTS、語音轉語音、VAD 與說話者分段

使用 React Native 建置的極速、跨平台行動端 AI 助理應用程式

一個用於在 Apple Silicon 上透過 MLX 進行音訊處理的模組化 Swift SDK。

全球首款具備個人化語音複製功能的開源即時端對端語音對話模型。

單一檔案實現的高品質串流語音對語音互動代理原型