// 语音 / 音频
kyutai-labs/delayed-streams-modeling
Kyutai 基于延迟流建模的语音识别和语音合成模型
官方 · KyutaiApache-2.0
近 30 天没有发版。
01同类
全部仓库 →
harry0703/MoneyPrinterTurbo 用主题关键词一键生成高清短视频的自动化工作流。 语音 / 音频★ 134k 
openai/whisper OpenAI 开源的稳健语音识别模型。 语音 / 音频 · 官方★ 111k 
debpalash/VoiceStudio 开源、可完全本地运行的 ElevenLabs 替代：声音克隆、音色设计、视频配音、听写、转写和有声书制作（自述支持 646 种语言），默认引擎基于 k2-fsa/OmniVoice；提供本地 API 和 MCP 供 agent 调用，macOS / Linux 一键安装桌面版。AGPL-3.0 语音 / 音频★ 80.5k 
hugohe3/ppt-master 把文档或主题变成带原生形状、图表和动画的 PPT。 语音 / 音频★ 65.3k 
RVC-Boss/GPT-SoVITS 少样本声音克隆与 TTS。 语音 / 音频★ 63.4k