浏览 AI 技能、智能体和自动化

Sygma ASR Arabic

abedbanna · 工具包

录制或接收阿拉伯语语音，把 Sygma 的解码和基础模型的贪心输出做对比，并给出词错误率的测试台。适合语音研究者和开发者。

Supertonic 3 (TTS)

Supertone · 工具包

Supertonic 3 文字转语音的网页演示，Supertone 称它快速、在设备上运行、支持多语言且准确。在浏览器里运行。适合想听听它的创作者和开发者。

SoulX FlashHead

Soul-AILab · 工具包

以流式方式演示 SoulX FlashHead 1.3B 模型，从名字和辅助模型看，它像是由语音驱动的头像视频。适合想试用它或阅读它代码的人。

Chatterbox Turbo Demo

ResembleAI · 工具包

Resemble AI 的 Chatterbox 语音模型的浏览器演示，包括 Turbo 版本。适合想在使用前先听听模型效果的创作者和开发者。

Vāgdhenu

prathoshap · 工具包

一个梵语吟诵的文字转语音演示，接受多种印度文字书写的诗句，让你选择格律，并渲染成音频。运行在 Hugging Face ZeroGPU 上。

HolosTTS: Ukrainian text to speech

patriotyk · 工具包

在浏览器里用 HolosTTS 模型朗读乌克兰语文本，该模型用包含多位说话人的乌克兰语数据集训练。适合处理乌克兰语音频的创作者、老师和开发者。

Egyptian Arabic TTS

omarelshehy · 工具包

在浏览器里用基于 Chatterbox 的 NAMAA 埃及阿拉伯语文字转语音模型朗读阿拉伯语文本。适合阿拉伯语内容制作者、开发者和想听听这个模型的研究者。

Parakeet Redux WebGPU

mrfakename · 工具包

在浏览器里用 WebGPU 把语音转成文字，提供两个大小不同的 Parakeet 模型。适合想在本地做语音识别的人，也适合研究浏览器端识别的开发者。

Fast Whisper Turbo

mrfakename · 工具包

在 Gradio 应用里运行 OpenAI 的 whisper-large-v3-turbo 语音识别模型，用于快速转写。适合需要把音频转成文字的人，以及想读一个简短 Whisper 封装的开发者。

GPT SoVITS V2 Pro Plus

lj1995 · 工具包

在零样本文字转语音的 Gradio 演示里，用一段 3 到 10 秒的参考录音引导声音，说出你输入的任何文字。

Turkish ASR Leaderboard

EmreAkgul · 工具包

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。

LinnetTTS

VoxRT · 工具包

用 LinnetTTS 把文字朗读出来，这是一个小型的设备端文字转语音模型，能流式输出音频，在 CPU 上实时运行。适合开发者，也适合想在浏览器里听听效果的人。

Russian Text To Speech

TeraTTS · 工具包

用 TeraTTSv2 模型和十个内置参考声音朗读俄语文本，返回一段 44.1 kHz 单声道音频。这是一个在 Hugging Face 上运行的 Gradio 演示。

Sesame CSM

sesame · 工具包

Sesame 的 1B 对话语音模型的浏览器演示，可根据文字和音频输入生成语音。用于研究和教育，严禁冒充和欺骗。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

Seed Voice Conversion

Plachta · 工具包

在运行于 ZeroGPU 硬件的 Gradio 页面里，把一个声音的语音转换成另一个声音，基于 Seed-VC。适合想试用声音转换的开发者和音频制作者。

Edge TTS Text To Speech

innoai · 工具包

在一个小型 Gradio 页面里把文字转成语音，可以在浏览器里打开，也可以在自己的电脑上运行。适合想不用安装就快速文字转语音的人。

Drama 3

fishaudio · 工具包

用 Fish Audio 的 Drama 3 模型，把你写的一句话用你选择或设计的声音说出来，并用提示指导每一次演绎。适合探索富有表现力的语音和声音克隆的创作者。

OmniVoice

k2-fsa · 工具包

在 Gradio 页面上克隆一种声音，并用它说出超过 600 种语言的文字，页面在浏览器里运行。适合想试用声音克隆文字转语音的人。

Kokoro TTS

hexgrad · 工具包

在浏览器里运行的 Gradio 页面，用小巧的 Kokoro-82M 模型把文字读出来。适合想不安装任何东西就试用这个文字转语音模型的人。

Qwen3-TTS Demo

Qwen · 工具包

在 Gradio 页面上用 Qwen3-TTS 模型把输入的文字变成语音，可在浏览器里用，也能在自己的电脑上运行。适合想听听模型声音或看看这个演示怎么搭的人。

一个 n8n 工作流，在你选的两种语言之间翻译 Telegram 语音消息。它转写语音，用 OpenAI 模型翻译，再把结果作为文字和语音音频文件发回来。

一个每 12 小时给 Telegram 发一个新英文儿童故事的 n8n 工作流。模型写故事，语音模型朗读，图像模型画出角色的图片。

一个为视频写配音的 n8n 工作流。它从视频里挑出帧，让 OpenAI 视觉模型分批描述，把脚本变成语音，并把 mp3 存进 Google Drive。

一个 n8n 工作流，给你一个用于文字转语音的 Web 地址。给它一个声音 id 和一段文字，回复就是 ElevenLabs 生成的音频文件。

一个手动启动的 n8n 工作流：一个 Set 节点存着一行文字和一个声音，OpenAI 的文字转语音接口把它变成一个 MP3 文件。改这两个字段，就能朗读任何内容。

Awesome Self-Hosted AI

glincker · 工具包

列出 309 个可以在你自己的硬件或服务器上运行的开源 AI 项目，按 LLM 运行时、智能体、RAG 和语音等板块分组，每周做一次健康检查。

Fish Speech

fishaudio · 工具包

基于大语言模型架构，将文本转换为富有表现力的多语言音频。它为开发语音应用的开发者提供声音克隆、多角色生成及精确的音频编辑功能。

Hex

anomalyco · 工具包

在你的设备上进行本地语音转文字，并将结果直接粘贴到当前应用中。这款工具适合希望在不将音频数据上传至云端的情况下，实现隐私化语音识别的用户。

VibeVoice 开源语音模型

microsoft · 工具包

微软的开源语音 AI 模型家族。VibeVoice-ASR 一次转写最长 60 分钟的音频，带说话人和时间戳。VibeVoice-Realtime 把流式文字合成语音。这份说明涵盖演示、vLLM 服务器和微调。