libsio开源项目 – 语音输入输出的运行时库

EazyRAG是一个基于ChatGPT的Cmd + K工具，旨在减少50%的客户支持请求，并将入职体验提升10倍，且能够无缝集成到现有的ChatBot提供商的用户界面中。

Voiser是一个基于AI的平台，提供75种语言的精准语音转文本和自然发音的文本转语音服务，非常适合内容创作者、播客和寻求高质量配音和转录的企业使用。

Desura是一个革命性的在线游戏网站，旨在为玩家提供独特且吸引人的游戏体验。我们致力于创建一个沉浸式的世界，让玩家能够享受由我们及其他开发者开发的游戏。该平台特别针对6岁以上儿童，首次尝试使用AI进行互动语音交流。

SmartNPC是一个提供AI驱动角色的平台，旨在帮助游戏开发者创建逼真且沉浸式的互动体验。该平台允许开发者通过提供的API和SDK将AI角色集成到他们的游戏中，支持多种语言的个性化语音互动，面部表情、手势和动作。SmartNPC适用于各种游戏类型，如角色扮演游戏、动作冒险游戏和模拟类游戏，能够根据玩家的行为和选择动态调整非玩家角色的响应。

Talk-to-ChatGPT是一个Google Chrome扩展，允许用户通过语音命令与ChatGPT AI互动，并接收语音回复。用户只需安装扩展并激活麦克风，就可以开始提问或与AI进行对话，同时通过文本转语音功能收听AI的回复。

Text2Audio是一个简单的在线文本转语音(TTS)工具，可以将文本生成MP3音频文件。用户可以直接在网页中播放或下载音频文件。只需输入或粘贴希望听的文本，Text2Audio就会为您朗读。

Babylon Voice 是一个基于语音识别技术的网络应用，用户可以通过语音命令与其功能进行交互，提升工作效率，并增强无障碍体验。

TTS Generator AI 是一个基于人工智能的文本转语音工具，能够在几秒钟内将任何文本内容转换为语音MP3文件。用户可以轻松生成高质量的语音，适用于各种应用场景，如教育、娱乐和商业。该平台提供免费试用，用户可以立即体验其强大的功能。

AudiOverFlow 是一个AI语音生成器，能够将文本转换为语音，并提供下载音频的功能。它利用先进的AI算法将书面内容转化为自然流畅的声音。用户只需输入所需文本，选择语言和声音类型，AI算法会分析输入内容并生成高质量音频，用户可以在最终确定之前预览生成的声音并下载音频文件。

基于GPT4-o的模块化开源语音转文字再转语音的解决方案，支持语音活动检测、语音转文字、语言模型交互和文字转语音的连续流程，旨在提供高度模块化和可定制的语音交互体验

GPT-4o click to start是一个免费的GPT-4O驱动产品，提供与GPT-4相同水平的智能，配备强大的语音服务API，能够进行实时文本、视觉和音频处理。

WhisperSpeech 是一个强大且易于定制的文本转语音工具，基于 Whisper 的语音转文本技术，能够提供高质量的语音合成，并支持多种语言和口音。该项目是开源的，允许用户自由使用和修改，同时也适用于商业项目。

Wenet STT Python是一个基于WeNet的语音识别库，旨在提供高效、准确的语音转文本功能。它支持多种语言，能够实时处理语音输入，并允许用户自定义模型以满足特定需求，易于与现有Python项目集成。

一个基于Daizhige文本训练的语言模型，专注于汉字书写和语法的生成与分析，能够处理多种汉字书写形式并具备上下文理解能力。

Seekr是由香港初创公司Vidi Labs开发的AI可穿戴设备，专为视障者和老年人设计。通过深度感知摄像头和智能手机App实时播报周围场景信息，帮助用户独立感知和导航世界。设备灵感源于创始人祖父的实际需求，曾获2025 CES创新奖提名，已与香港多家非政府组织合作推广。

GTS引擎（GTS-Engine）是一款开箱即用且性能强大的自然语言理解引擎，聚焦于小样本任务，能够仅用小样本就能自动化生产NLP模型。

Distil-Whisper是一个令人印象深刻的AI模型，相较于Whisper，它提供了更快的推理速度和更小的模型体积，速度提高了6倍，体积减少了49%，在分布外评估集上表现也具有竞争力。

ChatLLM 是一个基础知识库，旨在帮助用户轻松使用大型语言模型（LLM）。它提供生产级的API，支持前后端分离，并兼容多种LLM模型，如文心一言和讯飞星火。该项目易于集成和扩展，具有友好的用户界面，方便开发者和用户使用。

A2O AI利用生成式人工智能处理结构化和非结构化数据，提供精准答案。该项目允许用户使用自然语言与数据和文档进行互动，提供两款SaaS产品：Corpus（用于文档、网站和文本）和Insight（用于Excel、CSV和JSON文件）。用户可以将智能聊天机器人小部件集成到网站或内部门户中，以聊天形式回答用户查询，轻松探索数据，获取直观、强大的分析和精确答案。

该项目旨在通过研究自然语言处理中的组合泛化，提供有效的模型和方法，以提升NLP任务的表现。

通过增强推理和信息获取能力，AutoAgents旨在提升大型语言模型（LLM）在处理复杂问题时的表现。这一项目通过结合多种算法和技术，帮助用户更有效地获取信息并进行深入推理，适用于多种语言模型的应用场景。

EyePilot是一个基于眼动手势的辅助桌面窗口应用程序，使用户能够仅通过凝视来操作桌面。该项目目前正在寻求赞助，欢迎通过polar支持我们。

ReportPDF是一个AI工具，能够在几秒钟内将电子表格转换为精美的PDF文档，支持轻松的数据展示、主题定制以及聊天机器人命令以便于重新生成PDF。

LLaVA-CoT是第一个能够进行自发、系统推理的视觉语言模型，类似于GPT-01，具有强大的多模式处理能力。该模型通过11B参数的强大架构，支持复杂的视觉语言任务，并在多模式基准测试中表现优于多个现有模型。