JARVIS：本地 AI 语音助手，带全息界面与服务器模式
JARVIS 是一款本地运行的 AI 个人助手，结合 Electron 桌面界面与 Python + FastAPI 大脑，两者通过本地 WebSocket 通信，支持 Windows、Linux、macOS 及 Docker/NAS 服务器部署。
#语音
GitHubAI 评分4646 RadarAIAI 评分2525 Raise Financial Services 与 Cartesia 合作，为印度金融市场打造多语言语音 AI
Raise Financial Services 正与 Cartesia 合作，将语音模型接入其自研实时语音基础设施，为印度金融市场提供多语言语音体验。Cartesia 的 Sonic 文本转语音模型支持 11 种印度语言及单次生成内的语码切换，目前已在 Dhan 的语音机器人中处理会话式 KYC 等交互，其中超 75% 的交互使用非英语语言，印地语占一半以上。
GitHubAI 评分2222 termux-stt：Android Termux 端侧语音转文字与说话人分离工具
uno-km/termux-stt 为 Android Termux 提供生产级端侧语音转文字与 128d X-Vector 说话人分离能力，支持 whisper.cpp、Vosk、Sherpa-ONNX，且不依赖 PyTorch。
GitHubAI 评分2020 Glitch：面向房地产开发商桌面销售工作台 v0.3.0
Glitch 发布 v0.3.0 可安装试点版，这是一款面向房地产开发商的 Windows 桌面销售工作台，整合多语言线索资格评估、项目营销活动、关系经理分配、实地看房、楼栋库存与客户位置洞察。
GitHubAI 评分2222 Doglyad：面向超声医师的 AI 报告助手
Doglyad 是一款面向超声医师的 AI 助手，将超声图像与患者病史、检查记录结合，生成结构化报告草稿供医师审核。它支持 28 种超声检查类型，可选多模态模型并调节 temperature、最大输出长度等参数，语音录入支持英文和俄语医学语音。该工具定位为文档辅助，非医疗设备，也不具备自主诊断能力，所有报告须由专业医护人员审核批准。
GitHubAI 评分3838 Ultrasongs：本地生成 Ultrastar Deluxe 歌曲文件的开源工具
Ultrasongs 可从音频或视频文件及其歌词生成 Ultrastar Deluxe 歌曲文件，全流程本地运行、不依赖外部 AI 服务。其管线为 Demucs 人声分离 → torchcrepe 音高检测 → Whisper/WhisperX 转录 → 模糊歌词对齐 → 基于 BPM 的节拍映射，并配有可视化时间线编辑器。
GitHubAI 评分2222 LingoSync：基于 Gemini Live API 的离线优先 AI 语言学习平台
LingoSync 是一个离线优先的语言学习平台，通过 Node.js 后端代理 WebSocket 连接 Google Gemini Live API，实现实时双向语音 AI 导师对话。平台还提供 YouTube 视频字幕翻译与 CEFR 分级词汇分析、间隔重复闪卡、实时排行榜与连续打卡等功能，前端采用 Flutter 与 Riverpod，数据层基于 Supabase。
GitHubAI 评分1818 ManuAI：用 LoRA 微调 Transformer 从鸟鸣识别新西兰鸟类
ManuAI 通过 5 秒音频片段的 log-mel 频谱图，用 LoRA 微调的预训练 Transformer 识别新西兰鸟类，共 20 个类别加 Other，数据来自约 271k 条 32 kHz FLAC 片段（43 GB）。v2 流程已封装为 manuai/ 包，在 M1 Pro（MPS）上完成冒烟测试，首次完整训练尚未进行，长期目标是做成可在丛林离线使用的手机 App。
GitHubAI 评分2222 esp32-tera Alpha 1.0：TTGO T-Display 的语音 AI 助手
fwestarb 发布 esp32-tera Alpha 1.0，一个面向原版 TTGO T-Display 的 AI 助手，按住 GPIO35 录音、松开提交最长十秒语音，回答显示在屏幕上。
GitHubAI 评分2222 基于 AI 的面试与口语考试助手 interview-assistant 发布
开源项目 interview-assistant 发布，可实时捕获系统音频、通过百炼 ASR 转录考官提问并流式生成口语回答，窗口对屏幕分享软件隐身。该工具基于 interview-coder-cn 二次开发，新增可配置阶段预设、候选人档案、作文档案预处理和截图专注识别，内置 ELLT 口语与技术面试模板，支持 OpenAI 兼容 API，采用 CC BY-NC 4.0 协议禁止商用。
GitHubAI 评分1212 Voice AI 面试手册：168 道高级岗位面试题与答案
一份面向 Voice AI 高级、Staff 与 Lead 岗位面试的学习手册发布，包含 168 道带参考答案的详细问题、45 道快速筛选题和 7 个实践练习，覆盖 12 个章节。内容涵盖 STT、TTS、实时语音智能体、Speech LLM、服务基础设施、数据准备、安全合规、调试排障、从零训练及领导力等主题，并按基础模型、生产栈、Lead 三类岗位给出章节侧重建议。
GitHubAI 评分1212 Hales AI 官网开源：HAL 语音智能体实验与交互界面
Hales AI 团队开源了其官网及实验项目，核心是名为 HAL / Signal Lab 的交互角色，具备独立眼部与反射运动、指针追踪，并可通过 Vapi Web SDK 从页面发起语音对话。
GitHubAI 评分3030 BYDMate 4.0.0 发布：比亚迪 DiLink 车机本地 AI 能耗分析工具新增 DM-i/DM-o 混动支持
BYDMate 4.0.0 为比亚迪 DiLink 车机带来 DM-i 和 DM-o 混动支持，应用可依据车辆自身计数器自动识别混动车型，并显示电量与燃油续航、油箱油量、发动机转速及油电行驶里程。该版本还新增电池加热与屏幕开关自动化操作、ABRP 坐标回传选项，并修复 DiLink 3.0 导航提示与 Leopard 8、DiLink 5.1 上的小组件显示问题。
GitHubAI 评分2020 FrancosCorporation/meu-qwen3-tts：基于 Qwen3 TTS 的本地语音合成
FrancosCorporation 发布 meu-qwen3-tts 项目，基于 Qwen3 TTS 实现本地语音合成。该项目在 GitHub 开源，支持在本地完成语音合成，无需依赖云端服务。
GitHubAI 评分1010 NeuraVoice：结合语音识别与本地 LLM 的 AI 桌面助手
NeuraVoice 是一款 AI 桌面助手，将语音识别与本地 LLM 响应结合，用于任务自动化。该项目在 GitHub 上已获得 2 颗星、1 人关注，暂无 fork。
Hacker NewsAI 评分3636 Mira：AI 语音导览应用，边看街景边讲城市故事
Mira 是一款 AI 语音导览应用，能在你浏览街景时讲述身边景物的故事。旧金山和巴黎对所有人开放、无需注册，登录后可解锁其他城市及自建导览，并获赠 30 分钟免费时长。
GitHubAI 评分5050 VoxForg：可自托管的多引擎 TTS 平台与可视化流水线构建器
AMG555 开源 VoxForg，一个可自托管的多引擎文本转语音平台与可视化 DAG 流水线构建器，统一抽象 Piper、KittenTTS、Kokoro-82M、Qwen3-TTS、ChatTTS、StyleTTS2、Edge-TTS 等 10+ 本地与云端语音引擎，并提供 OpenAI 兼容 API。
GitHubAI 评分2222 Lunaschal：自托管本地 AI 个人知识管理桌面应用
开发者 volodymyrkhrystynych 开源了 Lunaschal，一款自托管的个人知识管理桌面应用，将日志、日历、闪卡、文件编辑器、写作工作区和 AI 聊天全部运行在本地机器上。
GitHubAI 评分3434 Haven：自托管 AI 伴侣聊天应用，支持多伴侣与 MCP 工具
Haven 是一款自托管 AI 伴侣聊天应用，用户自带模型与人格设定，数据全部留在自己的基础设施上，可部署在 Cloudflare 免费层。每个实例最多托管 10 个伴侣，各自拥有独立身份、记忆、线程与项目文件，支持 Ollama Cloud、OpenRouter、OpenAI、Anthropic、Groq、xAI 及本地模型，并可通过 MCP 接入外部工具。
GitHubAI 评分5858 Static Recorder Pro 发布：浏览器内录音、Whisper 转写与 AI 纪要
Static Recorder Pro 是一个完全自包含的单文件网页应用，可在浏览器中同时录制麦克风和系统音频，用 Transformers.js 在本地运行 Whisper 生成带时间戳和说话人标注的转写，并调用浏览器内小模型或自选云端 LLM 起草纪要与回复。
GitHubAI 评分3030 Reachy Mini 本地语音智能体：faster-whisper + llama.cpp + Piper 全离线运行
开源项目 dbirks/robot 为 Reachy Mini 打造完全本地运行的语音智能体，不调用任何云端 API，链路为 faster-whisper small.en 做 STT、llama.cpp 跑 Qwen 3.5 4B Q4_K_M、Piper 做 TTS，目标硬件为老款 i7 加 GTX 1070（8 GB VRAM），整体显存占用约 4.5 GB。
GitHubAI 评分3838 vinoWhisper：在 Intel NPU 上跑本地实时字幕与听写
vinoWhisper 是一款在 Linux 笔记本 Intel NPU 上本地运行实时字幕与听写的工具，无需云端、API key 或账号，音频不出本机。
Hacker NewsAI 评分2222 Speeku：面向欧洲葡萄牙语的 Duolingo 式学习应用
Speeku 是一款专注欧洲葡萄牙语（而非巴西葡语）的学习应用，包含 900+ 节课、11,000+ 道练习、2,500+ 词汇和 7,000+ 词条的离线词典。课程提供 58 种练习类型，并在设备端进行发音检查，不录音、不上传。应用完全离线运行，Android 版不申请联网权限，采用一次性付费、无订阅无广告、无需注册账号。
TechCrunch · AIAI 评分2222 PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的 ChatGPT 时刻
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型已经问世，语音 AI 仍未迎来自己的“ChatGPT 时刻”，下一步挑战是让推理足够快、对话足够自然。
GitHubAI 评分2222 Home Assistant 集成 Azure OpenAI 对话智能体与 Azure AI Speech 语音
开源 Home Assistant 集成 aoai_conversation 接入 Azure OpenAI 与 Azure AI Foundry，提供对话智能体、AI Task、STT 和 TTS 四类实体，对话侧跟进上游 OpenAI Conversation 集成（Responses API、config subentries 架构）。
RadarAIAI 评分2222 PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的 ChatGPT 时刻
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型已经问世，语音 AI 仍未迎来自己的“ChatGPT 时刻”，下一步挑战是让推理足够快、对话足够自然。Otter 的 CMO Alex Gay 则指出，说话人识别、意图捕捉并结合组织知识是关键，该公司还在研发可在会议中代表人的数字孪生。两人均强调 ASR 转写准确性和透明度的重要性。
GitHubAI 评分1717 Audio-Content-Creator：开源实时语音处理工具
开源工具 Audio-Content-Creator 支持实时录制、处理与转换语音内容，内置多轨编辑器并完整支持 VST 插件，可叠加音效与混音。它提供数十种高质量预设与滤波器，实现机器人、合唱、电台、电话、回声、混响等实时变声，并通过内置 AI 算法降低背景噪声。
GitHubAI 评分2222 Ashutosh Mishra 发布 AI-VIDEO-ASSISSTANT：基于 RAG 的多语言视频问答助手
开发者 Ashutosh Mishra 在 GitHub 发布 AI-VIDEO-ASSISSTANT，可自动下载 YouTube 视频或处理本地音视频文件，完成语音转写、摘要生成、行动项与关键决策提取，并支持基于 RAG 的多语言问答。
Hacker NewsAI 评分3434 Canarics Radio：全 AI 主持的电台会打电话给听众提问
Canarics Radio 推出全 AI 运营的电台，两位 AI 主持用拉脱维亚语和英语讨论新闻，每天多次更新，无人类参与，成本约每台每天 €1。听众留下电话号码后，AI 语音助手会立即回电收集问题，由主持人在后续节目中回答，目前可呼叫欧洲、美国、加拿大、澳大利亚和新西兰。
RadarAIAI 评分2828 为什么接到陌生来电要先沉默三秒？AI 声纹克隆风险解析
针对社交平台热传的"接听陌生来电先沉默三秒"提醒，文章指出不法分子可能利用数秒通话语音进行 AI 声纹克隆实施诈骗。当前 AI 技术将人脸、虹膜、步态等生物特征转化为易被采集利用的数据，带来过度采集、深度伪造滋生犯罪及多源信息整合推断隐私等风险，并提出多维度隐私防护建议。
GitHubAI 评分5858 SayDone 发布 1.0.0：Windows 语音输入工具，按住说话即得 AI 润色文字
开源项目 SayDone 发布 1.0.0，提供 Windows 10/11 x64 安装包（NSIS 15MB、MSI 22MB），按住 Alt 说话松开后 AI 润色文字自动注入光标位置。
Hacker NewsAI 评分6262 BetterWispr 发布 Mac 开源听写工具，本地模型离线转写
BetterWispr 发布面向 Mac 的免费开源听写工具，按住 ⌥ Space 说话即可把清理后的文字输入任意应用，语音与模型均在本机运行，无需账号。内置 Apple speech、Parakeet 和 Whisper 共九款模型，Parakeet 覆盖英语、日语和 25 种欧洲语言，也可接入 Sarvam AI、Smallest AI 或 OpenAI 兼容 API。
Hacker NewsAI 评分88 Mac 语音转写与菜单栏工具盘点：Lesskeys、PeekNote、Carrot Weather、SmartTracker、TuckBar
Mac 语音听写应用 Lesskeys 支持热键录音并粘贴到任意应用，还能转录音视频文件、识别说话人，免费版每天限 5 分钟听写，Pro 授权一次性 $49.99。
GitHubAI 评分2222 overtli-studio-suite：为 ComfyUI 接入本地与云端 AI 媒体工具
overtli-studio-suite 是面向 ComfyUI 的插件套件，通过新增节点把图像、视频、语音和文本生成接入工作流，可调用 LM Studio 本地模型或 Pollinations、OpenAI 等云服务。
GitHubAI 评分2222 Auris：离线把 EPUB、PDF、TXT 电子书朗读成有声书
Auris 是一款完全本地运行的电子书朗读工具，支持 EPUB、PDF、TXT 格式，无需联网即可用电脑硬件把数字书转成有声书。它提供多种自然语音、朗读时同步高亮文字，并自动保存每本书的阅读进度。软件面向 Windows 10/11，要求双核处理器、4 GB 内存和 500 MB 可用存储空间，通过 .exe 安装包安装。
GitHubAI 评分1515 Soenneker.Bland.Calls：用于 Bland.ai 通话的 .NET 工具库
Soenneker.Bland.Calls 是一个 .NET 类型化工具库，用于创建、查询、筛选和停止 Bland.ai 通话。
GitHubAI 评分2020 DesiYatra：用 AI 智能体在印度自动议价打车、酒店与导游
DesiYatra 是一款可自动为印度旅行者议价的 AI 智能体工具，能自动搜索当地出租车司机、酒店和导游，并用 AI 谈判争取更优价格。它支持 Hindi 和 Hinglish 交流，基于 Python 3.6+ 运行，需 4 GB RAM 和 1 GB 存储空间，可从 GitHub Releases 页面下载安装。
Hacker NewsAI 评分3434 用 NeuDecide 打造的语音赛车游戏：喊一声就能开车
Neuphonic 的 43 MB 语音转工具调用模型 NeuDecide 被用来驱动一款像素风赛车游戏，玩家直接说 "go left"、"speed up"、"jump" 即可操控，无需语音转文字或聊天机器人。模型可在本机原生运行，也可通过 WebAssembly 完全跑在浏览器内，支持 6 条语音指令，原生引擎从说完到游戏响应约 200 ms，浏览器引擎约 0.3-0.6 s。
GitHubAI 评分2222 小爱音箱豆包实时语音平台：为小米音箱接入豆包全双工实时语音并保留官方小爱
小爱音箱豆包实时语音平台为小米音箱接入豆包端到端实时语音（火山引擎 Seeduplex 全双工），唤醒、打断、退出仅由命中词触发，进入会话后由豆包语音自主发挥，同时保留官方小爱可随时切回。
GitHubAI 评分4848 Talkflow 发布：实时会议与面试 AI 副驾，本地 Whisper 语音识别
Zehnix 在 GitHub 发布 Talkflow，一款面向会议和面试的实时 AI 副驾，能识别提问并用第一人称、贴合个人档案的语气逐词流式生成建议回答。语音识别由本地 Whisper 模型（tiny 到 large-v3）在 PC 上完成，音频不外传，仅文本发送给用户自选的 OpenAI、Claude 或 Gemini，并使用用户自己的 API key。