Audio
MoneyPrinterTurbo
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.
★ 128,3 Tsd. SterneMIT
Anleitung ansehen →Sprache, Transkription, Stimmklonen und Audiobereinigung.
Die Projekte mit den meisten Sternen in dieser Kategorie, dazu eine wechselnde Auswahl von drei weiteren aus der Liste — erneuert, damit der ganze Katalog im Schaufenster an die Reihe kommt.
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.
Robust Speech Recognition via Large-Scale Weak Supervision
1 min voice data can also be used to train a good TTS model! (few shot voice cloning)
A mental-model-first guide from waveforms to voice systems.
Faster-Whisper-XXL-GUI — gui for faster‑whisper‑xxl transcription tool: download, open-...
Self-hosted Whisper speech-to-text as a Docker image.
Turn the beloved Kokoro voice model into an…
Alibaba's open voice models: expressive,…
Robust Speech Recognition via Large-Scale Weak…
Port of OpenAI's Whisper model in C/C++
Faster Whisper transcription with CTranslate2
Fast and local neural text-to-speech engine
Easy-to-use Speech Toolkit including Self-Supervised…
Audiocraft is a library for audio processing and…
Official code for "F5-TTS: A Fairytaler that Fakes…
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short…
1 min voice data can also be used to train a good TTS…
VoiceStudio is the open-source, fully-local ElevenLabs…
Easily train a good VC model with voice data <= 10 mins!
🚀Clone a voice in 5 seconds to generate arbitrary…
Buzz transcribes and translates audio offline on your…
リアルタイムボイスチェンジャー Realtime Voice Changer
A TTS model capable of generating ultra-realistic…
Audio Editor
A scalable generative AI framework built for…
🧠 Leon is your open-source personal assistant.
Speech-to-text, text-to-speech, speaker diarization,…
Gradio WebUI for creators and developers, featuring key…
Use Microsoft Edge's online text-to-speech service from…
A PyTorch-based Speech Toolkit
Neural building blocks for speaker diarization: speech…
Silero VAD: pre-trained enterprise-grade Voice Activity…
A robust, efficient, low-latency speech-to-text library…
End-to-End Speech Processing Toolkit
Python library for audio and music analysis
EmotiVoice 😊: a Multi-Voice and Prompt-Controlled TTS…
ODS V3 Pre-Release: Public testing and refinement ahead…
On-device Speech AI for Apple Silicon
Silero Models: pre-trained text-to-speech models made…
Open source voice AI platform. Self-hosted alternative…
Automatic Speech Recognition with Speaker Diarization…
Open-source AI video localization and dubbing for…
Converts text to speech in realtime
Fast local speech-to-text across 16+ model families,…
Turn books and documents into natural speech with the…
Instant, ultra-realistic text-to-speech from a simple…
Open-source AI dictation that types 3x faster, fully…
Machine-learning karaoke with scores — sing at home,…
Self-host Chatterbox TTS with web UI, API, and voice…
Blazing-fast multi-backend Whisper transcription for…
Multilingual long-form dialogue speech with zero-shot…
Expressive TTS where emojis steer the speaking style.
The easiest way to serve AI models, including…
Native Linux dictation: fast, private, and hackable…
Private cross-platform speech-to-text with LLM cleanup…
A speech-to-text server framework built on…
A Python voice assistant that runs system commands by…
Official Vonage PHP SDK for SMS, voice, TTS, and 2FA…
A ready API for speech-to-text with per-user access…
A macOS voice assistant that turns speech into actions…
Speech-to-text-to-speech for VRChat, VTubers, and…
100% private voice transcription for Android and iOS,…
A tiny conversational TTS model with cloning,…
Free AAC communication boards with text-to-speech, in…
Fully local transcription with diarization, for every…
Double-click any word for definitions, speech,…
On-device streaming speech-to-text engine for real-time…
A macOS menu-bar dictation app powered by local…
Open-source AI voice typing: hotkey, speak, get…
Open-source real-time spoken dialogue with personalized…
Clone anyone's voice and personality for real-time…
Fuse ChatTTS with OpenVoice: clone a voice from a…
Your personal voice interface for any app — open Wispr…
Local-first voice AI runtime: transcription,…
Free on-device web app that transcribes audio and…
Open-source voice creation for desktop: local TTS,…
Multilingual TTS with voice cloning and duration…
Qwen3-TTS custom nodes for ComfyUI: clone, design, and…
Browse WhatsApp chat exports offline, with AI voice…
Voice cloning inside Kokoro: natural multilingual…
Give AI agents a seat in your meetings.
Voice-to-text for the Linux terminal, from a hotkey.
NVIDIA Broadcast-style AI effects for Linux and macOS.
Self-hosted Whisper speech-to-text as a Docker image.
Local AI search across your podcast and video archives.
Benchmark voice-cloning robustness across 32 TTS/VC…
Open source voice typing for Windows — a Wispr Flow /…
Capable AI keyboard for reliable speech transcription.
Open source no-cost alternative to Cluely & Parakeet AI.
Clashgram Web is an open source, glassmorphic client.
Open source, offline voice-to-text for macOS.
Jellyfin add-on for local AI-driven subtitle generation…
Local-first AI meeting minutes workbench: FunASR…
Claude Code WhatsApp channel add-on — run AI directly…
Self-hostable AI-driven transcription platform with…
Meeting recorder designed for your Mac with a live AI…
Free, open source, 100% offline AI dictation for…
Free, open source, 100% offline AI text-to-speech for…
MCP server that turns any video — YouTube.
On-device speech-to-text for macOS.
Entirely local, open source voice-to-text utility.
Convert any file to clean Markdown for AI agents — a…
Live captions and AI meeting review from any system…
AWS sample app for live meeting transcription and AI…
Official JS SDK for AssemblyAI transcription and audio…
A book by the HardHacker Labs team chronicling how…
Free and open source offline voice dictation for…
AgentCall lets AI Agents join meetings with voice
Local-first meeting notes your AI coding agents can…
Free, cross-platform subtitle editor with AI…
Native desktop UI for live Whisper transcription and…
Self-hosted AI video analysis: summaries, chapters,…
A mental-model-first guide from waveforms to voice…
Record your screen, narrate the bug, hand AI structured…
Free offline Whisper dictation for Windows, macOS, and…
Open-source dictation with offline recognition,…
A free offline desktop assistant for speech-to-text.
Obs-localvocal — obs plugin for local speech…
Nebulynk — a self-hosted home for your team's…
Faster-Whisper-XXL-GUI — gui for faster‑whisper‑xxl…
Clone a voice from 5 seconds of audio and generate…
Deep learning toolkit for text-to-speech, battle-tested…
A generative speech model built for daily dialogue —…
Suno's text-prompted generative audio model: speech,…
VoxCPM2: tokenizer-free TTS for multilingual speech,…
Instant voice cloning from MIT and MyShell — clone a…
IndexTTS: industrial-level, controllable zero-shot…
CosyVoice: multilingual voice generation with zero-shot…
A complete open-source speech recognition toolkit -…
Self-hosted backend that gives ESP32 'Xiaozhi' devices…
Open research toolkit for text-to-speech, voice…
Mozilla's deep-learning text-to-speech library with…
VITS — the original end-to-end text-to-speech model: a…
MeloTTS — multilingual text-to-speech for English,…
eSpeak NG — the compact open-source speech synthesizer…
Human-level text-to-speech through style diffusion and…
FastRTC turns any Python function into a real-time…
MOSS-TTS-Nano: a 0.1B open multilingual speech model…
WhisperLive: a nearly-live OpenAI Whisper transcription…
MetaVoice-1B: a 1.2B-parameter foundation model for…
MOSS-TTS family: open text-to-speech models for voice…
A simple, high-quality RVC voice conversion tool…
A pure C++ ggml inference engine for audio models —…
One Gradio + React WebUI for dozens of TTS,…
GPA — one tiny model that does ASR, TTS and voice…
Unofficial PyTorch implementation of VALL-E, the neural…
MARS5 speech model from CAMB.AI — clone a voice from 5…
Vietnamese TTS with instant voice cloning — on-device,…
gTTS — Python library and CLI that turns text into…
MaryTTS — open-source, multilingual text-to-speech…
Offline text-to-speech for Python — uses your operating…
VoiceMem — streaming dual-brain memory for voice…
GAN vocoder that turns mel-spectrograms into…
ToucanTTS: fast, controllable text-to-speech for over…
WaveRNN vocoder plus Tacotron TTS in PyTorch: train…
Fish Speech — Fish Audio's expressive open…
Chatterbox — Resemble AI's open-source TTS family:…
Weitere Kategorien: VideoBildKI-Musik3D-KIKurzclipsLokale LLMsKI-ChatKI-AgentenRAG & WissenAutomatisierungProduktivitätEntwickler-ToolsDesignSchreibenSelf-HostingEinfache Installation
Open-Source-Audio-KI wird von drei Aufgaben dominiert: Sprache in Text verwandeln, Text in natürliche Sprache verwandeln und Stimmen klonen oder umwandeln. Daneben stehen Bereinigungs-Tools — Rauschentfernung, Trennung von Gesang und Musik sowie Mastering-Helfer, die raue Aufnahmen retten.
Die Transkriptions-Tools hier laufen vollständig auf deinem Rechner, was zählt, wenn Aufnahmen privat sind: Interviews, medizinische oder juristische Notizen und Meeting-Archive müssen deine Festplatte nie verlassen. Die Stimm-Tools reichen von Forschungsmodellen bis zu polierten Apps, und die Anleitungen kennzeichnen, was was ist.
Diese Seite sammelt 151 von LibreAI kuratierte Open-Source-Projekte der Kategorie Audio: Sprache, Transkription, Stimmklonen und Audiobereinigung. Jedes davon ist auf GitHub geprüft und hat eine eigene Anleitungsseite mit Überblick, Installationsschritten, Anwendungsfällen und einer FAQ.
Ja. Jedes Tool hier ist Open Source und kann unter seiner eigenen Lizenz kostenlos heruntergeladen und genutzt werden — die meisten nutzen MIT, Apache-2.0 oder GPL-3.0, und jede eigene Source-Available-Lizenz ist auf der Seite des Tools vermerkt. Prüfe vor einer kommerziellen Nutzung die LICENSE-Datei.
Nein. LibreAI veröffentlicht nur Anleitungen — von dieser Seite werden keine Downloads bereitgestellt. Jede Installation stammt aus dem offiziellen GitHub-Repository des Projekts.
Öffne die Anleitung des Tools und folge ihrem Abschnitt „Führe es selbst aus“ — die Schritte stammen aus der Dokumentation des Projekts selbst — oder nutze die Schaltfläche „Auf GitHub ansehen“, um direkt zum offiziellen Repository zu gelangen.
Jedes Projekt wird live über die GitHub-API geprüft — Sterne, Forks, Lizenz und aktuelle Aktivität — und nur aufgeführt, wenn es echten Schwung und eine aktive Community hat.
Die besten lokalen Transkribierer kommen gehosteten Diensten für klare Sprache in großen Sprachen nahe, und sie laufen offline. Die Genauigkeit sinkt mit Lärm, überlappenden Sprechern und seltenen Akzenten — darum ist der Test mit einer Minute deiner eigenen Aufnahme der einzige ehrliche Maßstab.
Klone nur Stimmen, die du nutzen darfst — deine eigene oder die einer Person mit klarer Erlaubnis. Die Tools selbst sind neutral; Zustimmung und lokales Recht liegen bei der nutzenden Person, und mehrere Projekte sagen das in ihrer Dokumentation.