OPEN-SOURCE TOOLS

真正有实用价值的 GitHub 开源工具

按股票分析、量化交易、数字货币、视频增强和图片增强等方向筛选实用开源项目。

正在查看标签 #AI语音清除筛选
NoteGen:本地优先的 Markdown 记录与 AI 整理应用 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

NoteGen:本地优先的 Markdown 记录与 AI 整理应用

NoteGen 是一款本地优先(local-first)的 Markdown 应用,主张“先记录、后整理”:先把灵感、语音、截图、链接、文件、待办等零散信息快速保存,再按标签、时间或类型筛选素材,交给 AI 整理成结构化的 Markdown 笔记。笔记以普通 Markdown 文件保存在用户自选的 workspace 中,可被其它编辑器打开、纳入 Git 或自由迁移;项目同时提供知识库检索、画布、MCP、Skills 与多平台同步能力,采用 GPL-3.0 许可证开源。

GitHub 开源项目

0 阅读2026/09/15
查看指南
MediaCMS:基于 Django + React 的现代开源视频与媒体 CMS 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

MediaCMS:基于 Django + React 的现代开源视频与媒体 CMS

MediaCMS 是一个现代化、功能完整的开源视频与媒体内容管理系统,用于快速搭建中小型视频/媒体门户,支持视频、音频、图片、PDF 多类型媒体,具备 REST API、多级转码、HLS 自适应流、Whisper 本地自动转录、RBAC 权限、LTI 1.3 教学集成等能力,采用 AGPL-3.0 许可证发布。

GitHub 开源项目

0 阅读2026/09/14
查看指南
Clicky:住在你 Mac 光标旁的 AI 老师(开源版) 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

Clicky:住在你 Mac 光标旁的 AI 老师(开源版)

Clicky 是作者 Farza 开发的开源 macOS 菜单栏应用,一个「住在光标旁边的 AI 伙伴」:它能看你的屏幕、和你语音对话,还能用蓝色光标指到屏幕上的具体元素。应用由 Swift 编写,通过 Cloudflare Worker 代理 Claude 对话、AssemblyAI 实时转写与 ElevenLabs 语音合成三类 API。项目以 MIT 许可证开源,适合想在此基础上二次开发或研究其内部实现的人。

GitHub 开源项目

0 阅读2026/09/14
查看指南
Abogen:用 Kokoro-82M 把 EPUB/PDF/文本转成带同步字幕的有声书 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

Abogen:用 Kokoro-82M 把 EPUB/PDF/文本转成带同步字幕的有声书

Abogen 是一个基于 Kokoro-82M 的文本转语音工具,可将 ePub、PDF、纯文本、Markdown 或字幕文件(SRT/ASS/VTT)快速转换为高质量音频并生成时间轴同步的字幕,适用于有声书、Instagram/YouTube/TikTok 配音等场景。项目提供 PyQt6 桌面 GUI(abogen)与 Flask Web UI(abogen-web)两种界面,支持章节拆分、M4B 章节与元数据、自定义语音混合、批处理队列、LLM 文本规范化与 Audiobookshelf 推送,可安装到 Windows、macOS、Linux 或用 Docker 部署。

GitHub 开源项目

0 阅读2026/09/14
查看指南
ebook2audiobook (E2A):从电子书生成带章节与元数据的有声书(支持语音克隆与 1158 种语言) 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

ebook2audiobook (E2A):从电子书生成带章节与元数据的有声书(支持语音克隆与 1158 种语言)

ebook2audiobook(E2A)是一个开源电子书转有声书工具,可在 CPU/GPU 上把 epub、mobi、pdf、txt 等格式的电子书转换为带章节和元数据的有声书,内置 XTTSv2、Bark、VITS、Tacotron2、YourTTS、Fairseq 等多款 TTS 引擎,支持自定义声音克隆与 1158 种语言,提供 Gradio Web GUI、无界面(headless)命令与 Docker/Docker Compose/Podman Compose 部署方式。

GitHub 开源项目

0 阅读2026/09/14
查看指南
GitHub - theajack/cnchar: 🇨🇳 功能全面的汉字工具库 (拼音 笔画 偏旁 成语 语音 可视化等) (Chinese character util) 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

GitHub - theajack/cnchar: 🇨🇳 功能全面的汉字工具库 (拼音 笔画 偏旁 成语 语音 可视化等) (Chinese character util)

🚀 功能全面、多端支持的汉字拼音笔画 js 库 English | 在线试用/文档 | 更新日志 | 反馈错误/缺漏 | Gitee | QQ Group: 958278438 | 留言板 Like this open source work? A small contribution keeps the project alive. 应用例子 开始文档之前,先通过一些应用案例看看 cnchar 能够做些什么 汉字打字游戏 | 打字弹钢琴 | 成语接龙 | 通讯录排序 | 取名字 | 输入法 | 歇后语 |

GitHub 开源项目

0 阅读2026/09/14
查看指南
HuLa:基于 Rust + Vue3 的跨平台即时通讯应用 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

HuLa:基于 Rust + Vue3 的跨平台即时通讯应用

HuLa 是一款基于 Tauri、Vite 7、Vue 3 和 TypeScript 构建的开源即时通讯系统,支持 Windows、macOS、Linux、Android 与 iOS 多端,提供私聊、群聊、语音视频通话、截图、多窗口、主题切换、i18n 与 AI 聊天助手等功能。

GitHub 开源项目

0 阅读2026/09/14
查看指南
HAPI:远程控制 Claude Code / Codex 等 AI 编程代理会话的本地优先应用 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

HAPI:远程控制 Claude Code / Codex 等 AI 编程代理会话的本地优先应用

HAPI 是一个用于运行官方 Claude Code、Codex、Cursor Agent、Grok Build、OpenCode、Kimi、Copilot、Antigravity、Pi、DeepSeek Harness 会话,并通过 Web / PWA / Telegram Mini App 远程控制的 App,定位为 Happy 的本地优先替代方案,支持本地与远程无缝交接、手机扫码配对、语音控制和端到端加密中继。

GitHub 开源项目

2 阅读2026/09/11
查看指南
GitHub - neuphonic/neutts: On-device TTS model by Neuphonic 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

GitHub - neuphonic/neutts: On-device TTS model by Neuphonic

NeuTTS HuggingFace 🤗: - NeuTTS-Air (English): Model , Q8 GGUF , Q4 GGUF , Space - NeuTTS-Nano Multilingual Collection: - NeuTTS-Nano (English): Model , Q8 GGUF , Q4 GGUF - NeuTTS-Nano-French: Model , Q8 GGUF , Q4 GGUF - NeuTTS-Nano-German: Model , Q8 GGUF ,

GitHub 开源项目

0 阅读2026/09/10
查看指南
GitHub - buxuku/SmartSub: 视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 Whisper / FunASR 等本地模型离线语音转文字,批量处理 + 全平台 GPU 加速,跨 Windows / macOS / Li 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

GitHub - buxuku/SmartSub: 视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 Whisper / FunASR 等本地模型离线语音转文字,批量处理 + 全平台 GPU 加速,跨 Windows / macOS / Li

妙幕 / SmartSub 视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——一站式开源桌面工具 让每一帧画面都能美妙地表达 中文 | English | 日本語 下载安装 · 功能特性 · 免费方案 · 常见问题 · 更新日志 妙幕是什么 妙幕(SmartSub)是一款开源的字幕与配音工具,把「语音转文字 → 字幕翻译 → 校对润色 → TTS 配音 → 烧录合成」整条流水线装进一个桌面应用,还内置在线视频下载,粘贴 B 站 / YouTube 等平台链接即可直接取材。转写基于

GitHub 开源项目

4 阅读2026/09/03
查看指南
Audiblez - 从电子书生成有声书 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

Audiblez - 从电子书生成有声书

Audiblez 是一个将 EPUB 电子书转换为 M4B 有声书的开源工具,基于 Kokoro-82M 高质量文本转语音模型,支持多种语言、图形界面和 CUDA 加速。

GitHub 开源项目

1 阅读2026/08/11
查看指南
Voicebox - 开源 AI 语音工作室 阅览图
开源项目 · AI 音频与语音类
开源
开源项目·AI 音频与语音类·新手

Voicebox - 开源 AI 语音工作室

Voicebox 是一个本地优先的开源 AI 语音工作室,支持克隆任意声音、在 7 个 TTS 引擎和 23 种语言中生成语音、使用全局热键向任意应用听写,并可为 MCP 智能体提供语音输出,是 ElevenLabs 和 WisprFlow 的开源替代品。

GitHub 开源项目

12 阅读2026/08/11
查看指南