Local Talking LLM开源项目 – 离线语音助手，随时随地可用

ChatMirror是一款结合了人工智能技术的魔镜应用，旨在通过自然语言处理与用户进行互动，提供个性化的聊天体验。用户可以通过简单的语音或文本输入与它进行对话，获取信息、建议和娱乐。

实时AI变声工具

KnowItAll AI是一个免费的AI聊天机器人，基于ChatGPT和ChatGPT 4，为iPhone用户提供友好的使用体验。用户可以轻松访问这些AI模型的强大功能。

Cleanvoice AI是一款利用人工智能技术，专门用于清除音频录音中的填充词、口腔声音和口吃的工具。它通过多语言支持、音频改善和时间线导出等功能，提高用户的录音质量，节省编辑时间和精力。用户只需上传音频文件，AI算法便能自动处理，用户可以下载或导出清理后的结果。

LOVO是一个强大的AI语音生成器，能够将文本转换为自然流畅的语音，适用于内容创作者、营销人员、教育工作者和专业人士。它提供多种语言和风格的语音选择，支持情感表达，并具备在线视频编辑功能。LOVO致力于简化多媒体项目中的语音制作，帮助用户创造生动且真实的声音内容。

AssistanceAnywhere是一个Chrome扩展程序，能够在您输入的任何地方提供即时的帮助和支持。只需安装扩展并激活，然后在任何输入框中以'/help'开头输入您的提示，即可获得即时响应。

ioAudio 是一款由AI驱动的生产力工具，能够在几秒钟内将冗长的文档和网址链接转化为自然逼真的音频摘要，改变信息摄取的方式。

Teno是一个智能的Discord机器人，旨在协助会议和执行任务。它能够理解会议内容、回答问题，并与其他Discord应用程序集成。

可本地部署的AI语音工具箱，提供语音识别、语音转写、语音转换等功能，支持音频处理、数据集创建和模型训练，适用于音频文件到理想语音模型的转换。

基于Zephyr 7B模型使用自定义语音进行本地AI对话，使用RealtimeSTT和faster_whisper进行转录，使用RealtimeTTS和Coqui XTTS进行语音合成，提供了一个实时的聊天机器人，可以进行语音交互。

vidBoard是一个生成AI平台，用户可以在几分钟内将照片转换为引人入胜的会说话的头像，并以超过120种语言制作专业视频，无需技术技能或高成本。

Ello是一个旨在帮助幼儿园到三年级学生提高阅读技能的人工智能工具。它是一个互动的读书伴侣，利用其独特的Adaptive Learn™技术，实时适应每个孩子的学习节奏，使阅读变得有趣和富有互动性。Ello的首个产品是世界上最先进的阅读教练，结合了专有的语音识别和生成AI，旨在最大化所有儿童的学习潜力。

FunClip 是阿里巴巴通义实验室推出的开源视频剪辑工具，基于大语言模型（LLM）和自动化技术，能够精准进行语音识别并快速裁剪视频片段。它支持本地部署和在线体验，集成了阿里开源的工业级语音识别模型 Paraformer-Large 和 SeACo-Paraformer，提供热词定制和说话人识别功能。通过 Gradio 交互界面，用户可以轻松选择文本片段或说话人进行剪辑，并自动生成 SRT 字幕。FunClip 还支持多段自由剪辑和智能剪辑功能，结合大语言模型（如 GPT 系列）进行智能剪辑，提供便捷的用户体验。

VoiceFlow是一个专为语音交互设计的开源框架，为开发者提供构建高效语音系统的工具。它支持多语言语音处理与实时对话，优化人机交互体验。通过其强大的语音识别、对话管理和语音合成功能，开发者可以轻松创建智能语音助手、语音控制系统等应用。

SpeechEvalPro是一个发音评估与评分API解决方案，提供高质量的中英文发音评估。它结合了语音评估、语音识别等核心技术，为教育目的提供准确可靠的发音评估。

Dream Companion是您的终极AI女友聊天机器人，提供最佳的故事情节、沉浸式角色扮演和最真实的图像生成。享受与Dream Companion的极其生动的互动，体验市场上最先进的NSFW照片生成，让您能够创造亲密的图像，满足每一个幻想和欲望。

Paper2GUI是一个免安装即开即用的AI桌面应用工具箱，支持15种以上的AI模型，涵盖语音合成、视频补帧、视频超分、目标检测、图片风格化、图片OCR识别等多个领域，旨在让每个人都能够简单方便地使用前沿的人工智能技术。

S.A.T.U.R.D.A.Y是一个用于处理WebRTC、音频和AI的工具箱，基于Pion、whisper.cpp和Coqui TTS构建。

Tortus是一款专为医疗行业设计的先进AI工具，通过其专有接口O.S.L.E.R，旨在减轻行政负担，提高患者护理效率。它与电子健康记录（EHR）系统无缝集成，帮助医疗专业人员自动化日常任务，简化文档处理。

实时语音转录是一个先进的转录工具，能够将口语即时转化为格式化文本。它设计高效且准确，非常适合用于会议、采访、讲座等场合。

科大讯飞机器人超脑平台是科大讯飞推出的专注于人工智能领域，尤其是人机交互技术的综合性平台。该平台整合了多模态语音降噪技术、全双工交互技术和多语种联合建模等先进技术，旨在满足大模型时代对人机交互的新需求。平台基于科大讯飞的Superbrain 2030计划，强调感知多样化、交互模式多元化和反馈直接性，支持从语音识别到自然语言处理的全链条AI能力，适用于智能机器人开发。其核心技术包括iFlytek Spark Desk语义分析引擎，并在2024年中国人形机器人生态大会上展示了在嘈杂环境中的卓越交互能力。

Music.AI允许公司和开发者构建和扩展音频驱动的AI产品和服务，提供定制化解决方案，支持多种用例。

一个有趣的AI项目，可以通过短时间的音频源生成与原声音相似的音频，支持文本输入，基本可以做到以假乱真。