★
VoxCPM 是用 Python 编写的学习资料，用于系统学习与查阅，主打开源免费。
VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning
m-bain / whisperX
whisperX
WhisperX: Automatic Speech Recognition with Word-level Timestamps (& Diarization)
whisperX 是用 Python 编写的开源项目，主题标签有限，建议打开仓库查看具体用途。
目前累计 2.5 万 star、2.5k fork，主要语言为 Python，项目始于 2022 年，采用 BSD-2-Clause 许可。最近状态：近半年有提交。适合：正在做技术选型的开发者。
中文介绍优先采用本站人工维护条目；无维护条目时依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经项目方确认，不构成选型结论。m-bain/whisperX 是一个以 Python 为主的开源项目，目前累计 25k star、2.5k fork，近半年有提交。主要方向：asr、speech、speech-recognition、speech-to-text、whisper。
依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经人工逐项核实。README
正在加载…相关项目
★
TTS 是用 Python 编写的学习资料，用于系统学习与查阅，主打适合生产环境。
🐸💬 - a deep learning toolkit for Text-to-Speech, battle-tested in research and production
★
voicebox 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理，主打开源免费。
The open-source AI voice studio. Clone, dictate, create.
★
VoiceStudio 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理，主打开源免费。
VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audioboo…
★
OpenVoice 是用 Python 编写的 AI 模型，提供可直接使用的模型与权重。
Instant voice cloning by MIT and MyShell. Audio foundation model.
★
[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL…
[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/…