🍭 #macOS #语音转文字 #开源工具


🏵 VoiceInk - macOS端语音实时转录工具


🍥 简介：
VoiceInk 是一款基于开源架构的语音转文字应用程序，专为 macOS 系统设计。该软件作为 Superwhisper 和 Wispr Flow 的替代方案，支持本地化运行。用户无需支付订阅费用，即可实现高效的语音输入与实时转录功能，在保障数据隐私的同时，降低了软件使用成本。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #AI工具 #语音合成 #播客生成


🏵 SoulX-Podcast - 多人对话式语音合成


🍥 简介：
SoulX-Podcast 是一款专注于生成多轮对话式播客音频的 AI 系统。该程序支持多音色角色设定，能够模拟真实播客场景中的交互式语言风格。此外，系统在常规单人语音合成（TTS）任务中同样具备高性能表现，适用于生成高质量、自然流畅的对话及叙述性语音内容。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #人工智能 #语音合成 #开源软件


🏵 Voicebox - 本地化开源AI语音工作站


🍥 简介：
Voicebox 是一款基于开源架构的本地化AI语音处理系统。该程序支持语音克隆、高拟真文本转语音（TTS）生成，以及实时语音输入转写功能。用户可在任意应用程序中通过该系统进行语音交互，或为虚拟语音助手配置自定义音色。所有数据处理均在本地计算机运行，无需依赖云端服务，具备较高的隐私安全性与兼容性。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #效率工具 #语音识别 #本地运行


🏵 Stenograf - 桌面端自动化语音转文本记录工具


🍥 简介：
Stenograf 是一款运行于系统后台的实时录音转写工具，支持自动捕捉并记录 Discord、Zoom 及各类游戏中的语音对话。该程序采用本地神经网络模型，无需联网即可完成音频处理，确保数据隐私与安全性。记录内容自动保存至本地文本，并区分用户角色。此外，内置语音输入功能，支持通过快捷键触发，实现语音内容的实时文本自动录入。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #语音转文字 #OBS插件 #实时字幕


🏵 Curses - 轻量化实时语音转文字字幕工具


🍥 简介：
Curses 是一款基于 C++ 开发的极轻量化语音转文字程序。该程序占用内存极小（仅需 KB 级存储），支持实时捕获音频并将其转化为字幕文本。它可无缝集成于 OBS、VRChat、Twitch 聊天窗口及 Discord 等平台，为用户提供跨平台的实时语音字幕显示解决方案。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #开发工具 #人工智能 #语音控制


🏵 Happy Coder - 实时语音控制编程客户端


🍥 简介：
该软件提供适用于移动端与Web端的Codex及Claude Code客户端。支持实时语音交互功能，内置数据加密机制，并集成完整的开发辅助套件。通过语音指令简化编程流程，提高多平台环境下的代码编写与交互效率。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #人工智能 #语音合成 #本地部署


🏵 VoiceStudio - 开源本地化语音处理工具


🍥 简介：
VoiceStudio 是一款基于开源架构的本地化语音处理方案。该程序具备语音克隆、语音设计、视频配音、听写转录及有声书制作功能。系统支持全球 646 种语言，旨在实现无需依赖云端服务器的语音合成与处理流程，为用户提供高效、隐私安全的本地化音频解决方案。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #开源项目 #语音转文字 #TelegramBot


🏵 Whisperbot - 语音转文字自动化处理程序

🍥 简介：
Whisperbot 是一款基于 Whisper 语音识别模型构建的 Telegram 机器人程序。该程序通过集成 OpenAI 的 Whisper 模型，实现对接收到的语音消息进行自动解析，并实时转换为结构化文本。系统具备高效的语音识别能力，旨在为用户提供轻量化的音频转录解决方案，适用于处理多语言语音数据的快速转录需求。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #语音处理 #人工智能 #开源项目


🏵 FireRedVAD - 多语言语音与音频事件检测系统


🍥 简介：
FireRedVAD 是一款工业级语音活动检测（VAD）及音频事件识别系统。该系统架构先进，具备卓越的鲁棒性与高精度表现，支持全球超过 100 种语言的实时处理。其核心算法经过深度优化，适用于复杂的噪声环境，可广泛集成于语音识别预处理、实时监控及音频分析等各类生产环境应用场景中，提供稳定高效的语音数据提取方案。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #语音识别 #人工智能 #音频处理


🏵 FireRedVAD - 多语言语音及音频事件检测系统


🍥 简介：
FireRedVAD 是一款工业级语音活动检测（VAD）与音频事件识别系统。该系统架构先进，具备卓越的鲁棒性，支持识别超过 100 种语言。它能够精准区分语音信号与背景噪声，并有效识别多种音频触发事件，适用于高并发、高精度的实时音频处理及自动化语音分析任务。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #GitHub #语音合成 #YouTube工具


🏵 Youtube-live-tts - 实时转换YouTube聊天消息为语音


🍥 简介：
该程序旨在实现YouTube直播间聊天消息的实时语音转换。系统通过集成ElevenLabs AI语音引擎，能够将观众发送的文本弹幕自动解析并转化为高质量的合成语音进行播报，从而辅助直播过程中的互动反馈与自动化语音播报需求。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #开源项目 #人工智能 #语音合成

🏵 MOSS-TTS - 高保真语音与音频生成模型

🍥 简介：
MOSS-TTS 是一套开源语音与音频生成模型架构。该程序支持生成高保真音频内容，具备语音克隆、多角色对话交互、实时语音合成以及音效处理等核心功能。系统通过先进的算法实现自然流畅的音频输出，适用于多种语音处理场景，开发者可基于此项目快速部署高质量的语音生成解决方案。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #开源项目 #人工智能 #语音交互


🏵 Dograh - 开源语音人工智能平台


🍥 简介：
Dograh 是一个开源的语音人工智能平台，作为 Vapi 和 Retell 的自托管替代方案。该项目支持私有化部署，允许用户通过 BYOK 模式配置语音转语音（STT/TTS）模型及大语言模型。系统内置可视化工作流编辑器，支持 MCP 协议与电话通讯集成，为开发者提供高可定制性的实时语音交互解决方案。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #开源工具 #语音合成 #本地部署


🏵 Supertonic - 高效本地文本转语音引擎

🍥 简介：
Supertonic 是一款基于 ONNX Runtime 构建的轻量级多语言语音合成系统。该程序专为端侧推理设计，具备极低的资源占用率。系统完全实现本地化运行，无需依赖云端服务器或 API 接口，在确保处理速度的同时，消除了数据传输过程中的隐私泄露风险。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #语音识别 #效率工具


🏵 DeLive - 系统音频实时语音转文字


🍥 简介：
DeLive 是一款桌面端音频处理工具，支持实时采集系统音频并接入十二种自动语音识别引擎进行转录。程序将数据保存在本地，具备全文检索功能，并集成 AI 辅助校对系统。支持 Markdown 格式对话、问答生成、结构化摘要及思维导图导出。同时，该软件支持离线导入音频或视频文件，并可调用多种云端引擎实现自动化转录处理。


🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #开源工具 #语音合成

🏵 Voicebox - 本地化语音克隆与合成工具

🍥 简介：
Voicebox 是一款开源语音合成套件，支持在本地运行以确保数据隐私。该工具具备语音克隆功能，仅需少量音频样本即可生成高保真语音模型。系统内置五种主流文本转语音（TTS）引擎，支持全球 23 种语言，并提供音频特效处理及多音轨时间轴编辑器，能够实现复杂的语音合成与编辑任务，满足各类本地化音频创作需求。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #人工智能 #语音交互 #数字人

🏵 PersonaPlex - 实时全双工语音对话模型

🍥 简介：
PersonaPlex 是一款支持实时全双工语音对话的交互模型。该系统允许用户通过文本提示词与语音指令操控虚拟角色。模型基于合成对话与真实对话语料库训练，具备低延迟响应特性，在实现自然的人机语音交互过程中，能够维持角色设定的一致性与稳定性。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #AI #语音助手 #Python

🏵 MadMax - 基于Gemini API的实时AI语音代理

🍥 简介：
MadMax是一款基于Python构建的实时AI语音交互程序，集成Gemini Live API实现语音转文字功能。该项目内置Google搜索接口以获取实时互联网信息，并支持基于Vosk的本地离线语音唤醒。程序具备结构化的JSON长效记忆模块，可存储人物信息、地理位置、个人经历及反思等多维度数据，支持实时通话交互，适用于构建具备持续记忆与动态信息检索能力的智能对话系统。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #人工智能 #语音识别


🏵 Insanely Fast Whisper - 高性能语音转文字工具

🍥 简介：
该工具基于命令行运行，旨在实现音频文件的高速转录。软件深度集成OpenAI Whisper Large v3模型，并针对NVIDIA显卡及Mac平台进行了深度优化。通过应用Flash Attention等技术，显著提升了处理效率与推理速度，适用于对语音识别实时性要求较高的计算场景，是实现大规模音频自动转写的高效方案。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #AI工具 #语音代理


🏵 Quickvoice_mcp - QuickVoice AI语音代理交互

🍥 简介：
Quickvoice_mcp 是一个专门设计的MCP服务器实现。其核心功能是为QuickVoice AI语音代理提供稳定的交互接口与环境。该程序能够处理与AI语音代理相关的通信协议，确保数据传输的准确性与效率，旨在优化自动化语音系统或集成语音服务的功能扩展和部署。

🎈 【进入项目】


🗣 活动线报 | 掘金项目