Skip to main content
全网优质资源汇总✨

Search: #语音AI

  1. VoiceKey

    macOS、Windows、iOS、Android 语音输入。桌面端按住或点按快捷键说话;iOS 是带语音的中文键盘;Android 不替换输入法,识别结果写进当前输入框。
    功能
    以下为 macOS / Windows。
    多个识别渠道:豆包、微信、千问、百度、搜狗、讯飞、Chatterfly、千问 App、叭哥说云端识别(后两个需登录官方账号),以及完全本地运行的离线识别:微信离线(macOS / Windows)、豆包离线(仅 Apple 芯片 Mac)
    多渠道候选:勾选 2 个以上渠道同时识别,光标旁弹出候选框实时显示各渠道结果,按数字键或 ↑↓ + 回车选一条上屏;默认选中上次用的渠道
    渠道对比:在设置里录一段话,并排比较各渠道的结果和速度
    长按说话:按住快捷键开始,松开结束
    点按说话:自定义快捷键,点一下开始,停顿 1–5 秒自动结束,再点一下可提前结束
    边说边上屏:识别中的文字实时打到光标处,结束后按定稿修正;关闭后改为结束时一次性粘贴
    麦克风选择、开机启动、浅色 / 深色主题、应用内自动更新
    iOS
    iOS 17+ 的中文键盘(仅 iPhone)。默认 26 键全拼,可切九宫格;功能键和顶栏可以拖动调整。左上角麦克风说话。键盘本身不能录音,由主 App 在后台收音,再把文字送回键盘。
    云端渠道与桌面端相同(不含需登录的千问 App、叭哥说),没有离线引擎
    勾选多个渠道时,在键盘里对比结果再选一条上屏
    默认画中画待机:不占麦克风,点麦克风才录音;画中画不可用时改为常开麦
    操作按钮或快捷指令「VoiceKey 说话」:正在使用本键盘时开始,再按一次结束
    点按说话的静音自动结束可在 1–5 秒间设置
    拼音词库来自雾凇拼音(GPL-3.0),并补了搜狗流行词和部分 AI 词
    语音和与主 App 通信需要「允许完全访问」;不开也能本地打字。安装或更新后,已在跑的键盘进程不会换成新版本,需到「设置 › 通用 › 键盘 › 键盘 › VoiceKey」删除后再添加。
    Android
    Android 8+(arm64)。不替换当前输入法:开启无障碍服务「VoiceKey 语音输入」后,在任意输入框长按音量下键,或点悬浮球说话,结果写入光标处。部分应用会隐藏控件树,Android 13 及以上改为经输入连接提交文字。
    渠道:豆包、微信、千问、百度、搜狗、讯飞,以及微信离线(约 100MB,本机推理)
    多渠道候选、边说边上屏、点按静音 1–5 秒自动结束
    长按音量下键只在输入框聚焦时生效,短按仍调音量
    国内系统清理后台会关掉无障碍。应用内有忽略电池优化、自启动和锁定最近任务的引导。


    项目地址

    #开源 #跨平台软件 #语音输入 #VoiceKey #AI语音输入
  2. 🎙 Amanu — 自动录音与 AI 语音转文字工具
    📦 语音识别 | Windows / macOS / Linux | 开源项目


    ➤ 支持自动开始和停止录音,简化会议记录流程
    ➤ 将语音转换为文本,并区分不同说话人
    ➤ 使用完整模型生成会议摘要,快速提取重点
    ➤ 支持离线运行,无需互联网连接
    ➤ 也可配置自己的 API 密钥,灵活选择使用方式


    📌 简单说:
    👉 一款面向会议与语音记录的开源工具,集自动录音、语音转文字、说话人区分和会议摘要于一体,兼顾离线使用与 API 接入。

    📢 官方网站:
    amanu.me

    📂 项目源码:
    GitHub — Amanu

    📂 #Amanu #STT #语音转文字 #会议记录 #AI工具 #开源软件
  3. 🎙 Nemotron VoiceChat — 本地 AI 语音聊天
    📦 AI工具 | 语音聊天 | 开源项目


    ➤ 支持自然流畅的 AI 语音对话
    ➤ 能够表达不同情感,让交流更加自然
    ➤ 支持实时聆听与语音交互
    ➤ 对话过程中可以随时打断 AI 回复
    ➤ 支持在对话中调用各种工具
    ➤ 可结合在线搜索、日历等工具
    ➤ 面向多种任务的通用 AI 语音机器人
    ➤ 支持本地运行


    📌 简单说:
    👉 Nemotron VoiceChat 是 NVIDIA 推出的本地 AI 语音聊天项目,支持自然语音交流、实时打断以及工具调用,打造更接近真人的语音助手体验。

    📢 项目:
    GitHub 源码

    📂 #Nemotron #VoiceChat #NVIDIA #AI语音 #语音聊天 #STT #本地AI #开源项目
  4. 🎙 Voice-Pro
    📦 AI语音工具 | Windows | 开源项目


    ➤ 免费开源 Gradio 语音处理工具
    ➤ 支持 Whisper / Faster-Whisper 语音识别
    ➤ 支持 Edge-TTS、Kokoro、CosyVoice 文字转语音
    ➤ 支持 F5-TTS、E2-TTS、CosyVoice 声音克隆
    ➤ 支持 Demucs 人声分离
    ➤ 支持 YouTube 下载与音频处理
    ➤ 支持多语言翻译与 AI 配音
    ➤ 一站式完成转文字、翻译、重新配音


    📌 简单说:
    👉 Voice-Pro 是一款本地运行的全能 AI 语音工具,将语音识别、文字转语音、声音克隆、人声分离、视频翻译配音等功能整合在一起,适合视频创作者、播客制作和 AI 配音用户。

    🆕 主要功能:

    ➤ AI 语音识别(90+语言)
    ➤ AI 文字转语音(400+声音)
    ➤ 零样本声音克隆
    ➤ 人声与背景音乐分离
    ➤ 视频下载与字幕生成
    ➤ 多语言翻译配音
    ➤ 本地运行,支持离线使用

    ⚙️ 运行环境:

    ➤ 推荐 NVIDIA 显卡
    ➤ Windows 支持双击 start.bat 安装
    ➤ 免费使用,无订阅限制

    🔗 项目地址:

    https://github.com/abus-aikorea/voice-pro

    📂 #Windows #AI #语音工具 #声音克隆 #开源项目
  5. 🎙 Voice Clone Studio

    📦 AI语音工具 | 语音克隆 | 开源项目

    ➤ AI 语音克隆与生成工具
    ➤ 支持音频样本声音克隆
    ➤ 支持语音转换与声音生成
    ➤ 支持语音转文字(STT)
    ➤ 支持音效处理
    ➤ 支持多说话人模式
    ➤ 集成多种 TTS 与语音 AI 模型
    ➤ 支持 Qwen3-TTS、VibeVoice、Chatterbox、Fish Speech、LuxTTS 等模型
    ➤ 基于 Gradio 开发


    📌 简单说:
    👉 Voice Clone Studio 是一个开源 AI 语音处理平台,将语音克隆、TTS 生成、声音转换和语音识别等功能整合到一个界面中,适合 AI 配音、语音实验和创作使用。

    🔗 项目地址:
    https://github.com/FranckyB/Voice-Clone-Studio

    📂 #GitHub #AI语音 #TTS #语音克隆 #开源项目
  6. 🤖 Vibe

    📦 AI 转录 | 本地工具 | 开源项目


    ➤ 音频、视频一键转换为文本
    ➤ 支持本地 Whisper 模型
    ➤ 支持 Nemotron 3.5 与 Parakeet TDT v3 模型
    ➤ 所有数据保存在本地电脑
    ➤ 注重隐私安全,无需上传文件
    ➤ 支持多说话人语音识别
    ➤ 自动生成文字转录结果
    ➤ 支持 SRT 字幕格式
    ➤ 支持 VTT、TXT、HTML、PDF
    ➤ 支持 JSON、DOCX 导出
    ➤ 支持 macOS、Windows、Linux
    ➤ 开源免费项目



    📌 简单说:
    👉 Vibe 是一款本地 AI 语音转文字工具,支持多种语音识别模型,可将音频和视频快速转换为字幕或文本文件,全程本地处理,保护隐私。

    🔗 项目地址:
    https://github.com/thewh1teagle/vibe

    📂 #AI #语音转文字 #Whisper #字幕工具 #开源项目
  7. #语音克隆 #AI语音 #AI
    X Voice 一键 AI 语音克隆工具使用指南与功能介绍
    **X-Voice**是一款基于流程匹配的多语言文本转语音系统,使一名说话者能够使用30种语言。 环境依赖python,支持跨平台使用,优先N卡使用 ### **安装 X-Voice** 检查你的 ESpeak-ng 安装: 如果找不到,先运行 。 开源:https://github.com/sunnyxrxrx/X-Voice 网盘链接:https://pan.quark.cn/s/ecc563877898
    📢关注频道:@quanshoulu
    🎁访问主页: www.noisework.cn
  8. 🔁 Voicebox
    📦 AI语音工具 | 本地语音转文字 | 开源项目


    ➤ 语音转文字|支持本地离线 ASR 识别
    ➤ 多模型支持|兼容 Whisper / Faster-Whisper
    ➤ 音频转录|支持 MP3 / WAV / M4A 等格式
    ➤ 字幕生成|自动生成 SRT 字幕文件
    ➤ 本地运行|注重隐私 无需上传云端
    ➤ 开源免费|跨平台桌面应用



    🌐 项目地址:
    https://github.com/jamiepine/voicebox

    📌 简单说:
    👉 一个开源的本地 AI 转录工具,可快速把音频视频转换成字幕与文本。

    ———— 商务合作————

    📂 #AI工具 #语音转文字 #Whisper #开源项目
    📁 Windows / AI工具
  9. 🔁 VibeVoice
    📦 开源项目 | GitHub | AI语音生成 + 识别


    ➤ 长音频识别|支持最长60分钟语音转文字(ASR)
    ➤ 结构化转录|自动识别说话人 + 时间戳 + 内容
    ➤ 多人语音生成|支持最多4人对话语音(TTS)
    ➤ 超长语音|可生成最长约90分钟连续音频
    ➤ 实时语音|支持低延迟流式TTS输出
    ➤ 多语言支持|覆盖50+语言识别能力
    ➤ 开源研究|适合开发与语音AI实验


    🌐 项目:
    https://github.com/microsoft/VibeVoice

    ———— 商务合作————

    📂 #AI工具 #语音AI #开源项目 #TTS #ASR
    📁 Windows / 开发工具
  10. 🎨 TryVoice - AI Agent 的免提语音运行环境
    解放双手 · 像聊天一样与 AI 编程助手对话

    📌 工具介绍:

    TryVoice 为 AI Agent(如 Claude Code、OpenClaw)提供了一层语音交互外壳。它支持唤醒词激活、实时流式响应及中断播放,让用户无需触碰键盘即可通过语音操控 AI 编程助手,实现真正的“动口不动手”。


    ⚡️ 核心特点:

    • 🛠 唤醒词激活:支持 OpenWakeWord,说出关键词即可开启对话。
    • 🔍 实时流式响应:边生成边播放,支持随时打断,交互体验极佳。
    • ⚙️ 广泛适配:内置 Claude Code 与 OpenClaw 适配器,支持 SDK 扩展。


    🌐 项目地址:
    https://github‍.com/AaronZ021/tryvoice-oss

    #TryVoice #AIAgent #语音交互 #ClaudeCode #OpenClaw #开源项目 #效率工具
  11. 🎙 悟声 AI:超拟真 AI 语音合成与瞬时克隆平台
    全球领先模型 · 极速声音克隆 · 创作有声内容
    📌 项目介绍:

    悟声 AI 是音频人工智能领域的先驱者,提供极度自然的 AI 语音克隆与配音合成技术。其 V3.1 大模型在世界权威语音模型盲测排行榜中名列前茅,致力于模糊真实与虚拟声音的边界。

    ⚙️ 核心亮点:

    ✓ 拟真合成:支持多语种(中/英/日/韩/粤等)超拟真语音生成。
    ✓ 瞬时克隆:仅需少量音频样本即可快速克隆任何角色声音。
    ✓ 音色转换:支持将一段音频的音色完美转换为目标角色的声音。
    ✓ 声音市场:内置丰富的社区与专业声音库,一键调用。
    ✓ 开放平台:提供强大的 API 接口,支持开发者集成音频应用。

    🌐 资源链接:

    • 官方网站:https://www.wusound.cn/


    📢 频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI配音 #语音克隆 #AI工具 #音频合成 #悟声AI
  12. 短视频工厂

    一个开源的桌面端应用,旨在通过AI技术简化短视频的制作流程。用户可以通过简单的提示词文本+视频分镜素材,快速且自动的剪辑出高质量的产品营销和泛内容短视频。该项目集成了AI驱动的文案生成、语音合成、视频剪辑、字幕特效等功能,旨在为用户提供开箱即用的短视频制作体验。

    点击访问

    #电脑软件 #短视频工厂 #AI短视频 #自动剪辑 #批量生成 #文案生成 #语音合成 #开源
  13. 💥 GitHub 爆火开源项目|90 分钟超长语音一口气合成
    推荐:开源即登顶的 AI 语音合成项目,程序员圈讨论度极高。

    🟢 项目核心亮点:


    ✅ 超长语音合成: 🗣 一次性合成最长约 90 分钟音频
    ✅ AI 语音自然: 🎧 语调流畅,适合播客 / 有声书 / 长文本
    ✅ 开源即爆火: ⭐️ GitHub 上线后迅速登顶热门
    ✅ 程序员友好: 💻 适合二次开发与自动化集成
    ✅ 多场景适用: 📚 有声内容制作、旁白、配音等


    ✅ 长文本语音合成场景下,非常有潜力的开源方案。

    🌐 项目链接:
    → ❤️ 点击直达

    频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI #语音合成 #程序员 #GitHub #Soul
  14. 🟠 RealDubbing - 在线文本转语音神器

    🟢 简介:
    一款免费的文本转语音工具,能生成自然流畅的音频,让内容创作变得轻松搞定。

    ✨ 核心功能:
    • 海量声音选择: 提供上百种 AI 声音供你选择。
    • 高度自定义: 可以自定义生成的语音的语速和音高。
    • AI 对话生成: 还支持 AI 对话生成功能。
    • 完全免费: 无需注册,即可无限次生成高品质语音。
    • 全球语言覆盖: 支持全球多种语言。

    🌐 网站地址:
    点击此处,立即访问

    频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #语音转换 #网站 #TTS #AI工具