音声
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.
★ 128.3k スターMIT
ガイドを見る →このカテゴリで最もスターの多いプロジェクトに、一覧の奥から入れ替えで選んだ3件を加えた顔ぶれです — カタログ全体が順番に表に出るよう更新しています。
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:…
他のカテゴリ： 動画画像AI音楽AI 3D切り抜き動画ローカルLLMAIチャットAIエージェントRAG・知識ベース自動化生産性開発ツールデザインライティングセルフホスト簡単インストール
オープンソースの音声AIは三つの仕事が中心です。音声をテキストに変えること、テキストを自然な音声に変えること、そして声のクローンや変換です。その周りに、ノイズ除去、音楽からのボーカル分離、粗い録音を救うマスタリング補助といったクリーニングツールが揃っています。
ここにある文字起こしツールは完全に自分のマシンで動きます。録音がプライベートなもの — インタビュー、医療や法律のメモ、会議のアーカイブ — をディスクの外に出さずに済むことが重要だからです。音声ツールは研究モデルから仕上げられたアプリまでさまざまで、ガイドではどれがどれかを明示しています。
このページには、LibreAIが厳選したオープンソースの音声プロジェクトが151件集まっています — 音声認識、文字起こし、ボイスクローン、音声クリーニング。 すべてGitHubで検証され、それぞれに概要、インストール手順、活用例、FAQを備えた専用のガイドページがあります。
はい。ここにあるすべてのツールはオープンソースで、それぞれのライセンスの下で無料でダウンロードして使用できます。ほとんどはMIT、Apache-2.0、GPL-3.0を使い、カスタムなソースアベイラブル・ライセンスがある場合は、そのツールのページに明記されています。商用利用の前にLICENSEファイルを確認してください。
いいえ。LibreAIが公開するのはガイドだけです — このサイトからダウンロードが提供されることはありません。インストールはすべて、プロジェクトの公式GitHubリポジトリから行われます。
ツールのガイドを開き、「自分で実行してみる」セクションの手順に従ってください — 手順はプロジェクト自身のドキュメントから取られています — あるいは「GitHubで見る」ボタンで公式リポジトリへ直接移動できます。
すべてのプロジェクトはGitHub APIで直接検証されています — スター、フォーク、ライセンス、最近の活動 — そして、本物の勢いと活発なコミュニティがある場合にのみ掲載されます。
最良のローカル文字起こしは、主要言語の明瞭な音声ではホスト型サービスに近く、しかもオフラインで動きます。ノイズ、重なった話者、珍しいアクセントでは精度は落ちます。だからこそ、自分の録音1分で試すことが唯一の正直な基準です。
使う権利のある声だけをクローンしてください。自分の声か、明確な許可を得た他者の声です。ツール自体は中立であり、同意と現地の法律は利用者の責任です。いくつかのプロジェクトはドキュメントにその旨を記しています。