voice-ai

開源 AI 語音工作室，支援克隆、口述與創作

端對端即時串流堆疊，連接人類與 AI

VoiceStudio 是開源、完全本地化的 ElevenLabs 替代方案——支援 646 種語言的語音克隆、語音設計、影片配音、口述、轉錄與有聲書製作。

可在本機執行 AI 的生產就緒工具組

開源 SenseVoiceSmall 模型，支援中文（普通話、粵語）、英文、日文與韓文的語音辨識、語言識別、情緒辨識與音訊事件偵測。

Stream 的 Open Vision Agents。使用任意模型或影片提供者快速構建語音與視覺代理，利用 Stream 邊緣網路實現超低延遲

在 Apple Silicon 上 100% 本地執行 Claude Code，使用本地 AI。MLX 原生 Anthropic-API 伺服器。包含 6 個模型，包括 Muse-Glimmer 30B（現在支援多模態——可讀取圖像，已被消除）、Gemma 4 31B、Qwen 3.5 122B（65 tok/s）、DeepSeek V4 Flash（1M 上下文）。私有、離線、可隔離。為 NDA / 法律 / 醫療工作流程而建。

Voice AI SDK 是一個可重複使用的 Android 函式庫，可在幾分鐘內為任何應用程式提供完整的語音驅動 AI 對話流程。語音助理 + Android 語音 AI + SDK + MVVM + Kotlin

適用於您的應用程式的自我編碼系統 — 適用於 Web 的 Alan AI SDK

即時語音執行階段，讓 Agent 保持對話、運作與在線狀態。AI Agent 的即時語音執行階段。

您應用的自我編碼系統 — 用於 iOS 的 Alan AI SDK

應用程式的自我編碼系統 — 用於 Flutter 的 Alan AI SDK

應用程式的自我編碼系統 — 適用於 Ionic 的 Alan AI SDK

前身為 Better Chatbot。Navigator 是一個用於 agent、MCP 與工作流程自動化的開源 AI 工作空間。

開源語音 AI SDK。專為想掌控技術堆疊的開發者打造的 Vapi/Retell 替代方案。只要 4 行程式碼就能賦予 AI 代理電話號碼——支援 Python 與 TypeScript，採 MIT 授權，整合 Twilio、Telnyx 與 Plivo。

針對串流與裝置端使用優化的 Whisper 模型

即時語音助理 —— WebRTC 串流、faster-whisper ASR、本地 LLM、Vui Nano (300M) TTS。相容 OpenAI Realtime API。支援語音複製、插話打斷，在 4090 上約有 9 倍即時效能。採用 Apache 2.0 授權。

JARVIS — 靈感來自 MCU 的 macOS 語音優先 AI 助理。與您的電腦對話，它會回應並完成任務。

Rapida 是一個開源的端到端語音 AI 編排平台，用於建構具備音訊串流、STT、TTS、VAD、多通道整合、代理狀態管理與可觀測性的即時對話語音代理程式。

適用於生產環境 AI 系統的檢索層。無需向量資料庫即可實現極速搜尋（<10ms）。專為瀏覽器、Edge、端側與雲端打造。

TypeScript AI agent 框架：認知記憶、執行階段工具 forge、多 agent 編排、11 個 LLM 提供者。

您的應用程式自動編碼系統 — 用於 React Native 的 Alan AI SDK

讓您的會議能被 AI Agents 存取

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。