Speakvora 开源离线语音包智能体：可发短信、打电话并推送 Slack
Speakvora 推出开源智能体 speakvora-pack-agent，把离线语音包变成自动化工作流，可确认预订、日历提醒、回复短信电话邮件、在流水线失败时呼叫值班工程师，并通知 Slack 或 Teams。
#语音
Hacker NewsAI 评分3636 RadarAIAI 评分3434 Textream：开源多端智能提词器工具推荐
开源免费提词器 Textream 提供单词追踪、声音激活与经典滚动三种智能跟读模式，支持实时语音单词追踪与多端悬浮适配。Mac 端支持灵动岛风格悬浮及 Sidecar 投屏，移动端支持镜头贴近对齐与视频录制防穿帮，并内置防阅读障碍字体，兼容 macOS 15+ 平台。
GitHubAI 评分1212 Locus：本地离线优先的 PC 私人助手（规划中）
Locus 是一款离线优先的 PC 私人助手，所有功能本地运行，无需账号、API key 或遥测，联网功能默认关闭。MVP 计划约 20 个操作，涵盖系统信息查询、应用与文件管理及本地 LLM 问答，最低 8 GB 内存、无需 GPU，仅支持 Windows 与英文。项目目前处于规划阶段，尚无可用代码，下一步将先做模型选型实验。
GitHubAI 评分2222 DUCK-E：基于 OpenAI Realtime API 的浏览器语音助手，用于小黄鸭调试
DUCK-E（Digitally Unified Conversational Knowledge Engine）是一个基于浏览器的语音助手，通过 FastAPI 中转 WebRTC 会话连接 OpenAI Realtime API（gpt-realtime-2），支持全双工语音对话与打断。
GitHubAI 评分2020 AKIRA-AI-Voice-Assistant：用语音指令控制 Windows 桌面
GitHub 项目 AKIRA-AI-Voice-Assistant 让用户通过语音指令控制 Windows 10/11 桌面，支持打开 Notepad、搜索文件、关闭窗口、调节音量等操作，并可在本地运行 AI 完成文本摘要、改写和头脑风暴。
RadarAIAI 评分2222 10 个值得关注的开源 GitHub 免费平替与 AI Agent 工具推荐
一份推荐清单整理了 10 个高星 GitHub 开源项目，涵盖本地语音克隆 VoiceStudio、文档转 PPT 工具 ppt-master、3D 卫星监控 gods-eye-view，以及面向 Claude Code 的 Agent 技能库与记忆模块。项目分为面向普通用户的实用工具和 AI Agent 相关工具两部分。
GitHubAI 评分7171 Stephen Spielbot 开源 AI 短片生成器发布，从选题到成片全流程自动化
Stephen Spielbot 是一个开源 AI 视频生成器，可把一个选题变成完整短片，包含电影感画面、旁白或角色出演的场景以及背景音乐。
RadarAIAI 评分5858 央视新闻转载国安部提醒：陌生来电先沉默三秒防 AI 声纹克隆
国家安全部针对社交平台热传的「接到陌生来电先沉默三秒」防诈建议作出提醒，指出不法分子可能利用数秒通话语音进行 AI 声纹克隆，进而实施伪造身份诈骗。随着 AI 技术普及，人脸、声纹、虹膜及步态等生物特征面临窃取与深度伪造的新型安全威胁。文章呼吁完善法治、压实平台合规并提高公众防范意识。
RadarAIAI 评分4242 MacBook Pro 可本地运行的开源高品质音乐生成模型
一款开源音乐生成模型可在 MacBook Pro 上本地部署运行，作者称其音频生成质量媲美 Suno。该模型附带演示视频，具体名称与参数未在原文中披露。
GitHubAI 评分3030 gemma-media-study：用本地 AI 把视频音频变成学习资料
gemma-media-study 是一款完全在 Windows 本地运行的视频学习工具，用内置 Whisper 引擎生成字幕、逐帧分析画面，并支持基于 Gemma 4 的 AI 导师就视频内容提问。它可导入 YouTube 链接或本地文件，要求 Windows 10/11、8GB 内存和 10GB 磁盘空间，首次安装需联网下载模型，之后可离线使用，视频与对话数据均不离开本机。
GitHubAI 评分1818 VoiceGuard：基于 ChatGPT 与 Whisper API 的语音身份认证系统
VoiceGuard 是一款基于 OpenAI ChatGPT 和 Whisper API 的语音认证系统，通过声纹识别与多样本注册确认用户身份，并记录企业级认证日志。该工具使用 Python 构建、以 SQLite 管理数据，支持 Windows 10 及以上、macOS 和 Linux，需 Python 3.7 以上、至少 4 GB 内存和 100 MB 存储空间，已开源发布。
GitHubAI 评分6262 Omarchy AI 发布：为 Arch/Hyprland 桌面打造的语音智能体
Omarchy AI 是一个面向 Omarchy（基于 Arch 的 Hyprland 桌面）的智能体工具，通过唤醒词、快捷键或手机语音对话，调用约 90 个类型化工具和 Omarchy 全部约 230 条命令来操作桌面、终端、浏览器与文件。
RadarAIAI 评分1515 ElevenLabs 新加坡办公室开业，当地团队已达 25 人
ElevenLabs 本周在新加坡开设新办公室，目前已有 25 名员工在当地与客户并肩工作。CEO Mati 做客 CNBC Squawk Box，谈及打造本地化 AI 以及语音 AI 创新正从亚洲起步并向全球扩散。本周末 ElevenLabs 还将以 Audi Revolut F1 官方合作伙伴身份亮相新加坡大奖赛。
RadarAIAI 评分2828 把小米蓝牙电视遥控器改造成 Mac AI 语音输入设备
作者用小米蓝牙电视遥控器和开源软件，把电视遥控器改造成 Mac 上的实体 AI 语音输入工具。该方案通过硬件改造实现按键触发的语音输入操作。
GitHubAI 评分2222 Videoscribe-ai：把 YouTube 视频转成结构化笔记、关键词与测验
GitHub 项目 Videoscribe-ai 可将任意 YouTube 视频在约 60 秒内转为结构化笔记、关键词、测验和 Anki 卡片，并支持 PDF、Markdown、Obsidian、Notion 与 HTML 演示导出。
GitHubAI 评分5050 ezlocalai：一键部署本地多模态 AI 服务器，支持 OpenAI 风格 API
ezlocalai 是一个可一键启动的本地多模态 AI 服务器，自动根据 CPU、RAM、GPU 配置下载模型并完成部署，默认使用 Qwen3-VL-4B-Instruct-GGUF。
GitHubAI 评分3434 Chappie：macOS 菜单栏免手动语音 AI 助手
Chappie 是一款运行在 macOS 菜单栏的免手动语音 AI 助手，说出唤醒词即可对话，无需快捷键或点击。它用 Whisper 在本地转写语音、以设备端声纹只响应本人声音，原始音频不出设备；免费模式每日 5 次对话，也可自带 OpenAI / Anthropic / Gemini key 无限使用，支持 9 种语言。
GitHubAI 评分3434 aiconsy/ai-news-agent：每小时自动生成播客式新闻简报的开源流水线
aiconsy/ai-news-agent 是一个开源自动化新闻情报流水线，每小时抓取 220+ RSS 源，经去重、深度阅读、LLM 综合后由 Edge-TTS 生成 700–1,600 字播客式音频简报并推送至 Telegram。
GitHubAI 评分2222 Sorena AI 开源 LeagueAiCoach：用 Gemini 或 Grok 做《英雄联盟》实时语音教练
Sorena AI 开源 LeagueAiCoach，一个 FastAPI 服务，输入游戏截图和语音提问即可返回语音指导。它通过 LangChain 封装可切换 Gemini 或 Grok 作为教练模型，用 OpenAI Whisper 转写、OpenAI TTS 生成语音，并支持 WebSocket 实时对局接口。
GitHubAI 评分2020 Teacher Tati AI：基于 GPT-OSS-20B 与 Gemini 的英语教学平台
Teacher Tati AI 是一个英语学习平台，以 GPT-OSS-20B（通过 Groq）驱动低延迟对话，并用 Google Gemini（1.5 Flash/Pro 及 Gemini Vision）生成测验、分级和文档 OCR 识别。
GitHubAI 评分3636 Piper 离线神经语音合成应用上架 App Store
Piper 现已上架 App Store，可在设备本地直接运行高质量离线神经文本转语音。该应用要求 iOS 18.0+ 或 macOS 13.3+，使用 Xcode 26+ 构建，采用 Tuist 与 Swift Package Manager 管理依赖，并提供 TestFlight Beta 供提前体验新功能。项目以 MIT 许可开源，捆绑资源遵循 GPL-3.0。
GitHubAI 评分4040 codingjoe/VoIP：面向 AI 时代的异步 VoIP Python 库
codingjoe/VoIP 是一个面向 AI 时代的异步 VoIP Python 库，目前处于早期开发阶段，可能存在破坏性变更。它内置 MCP server，可让任意 MCP 客户端代为拨打电话，并支持通过 Ollama 与本地 agent 对话。
GitHubAI 评分2222 gemini-minecraft：基于 Gemini 的 Minecraft AI 认知伴侣
gemini-minecraft 发布，这是一个由 Gemini 驱动的 Minecraft AI 认知伴侣，能理解并响应玩家行为，而非仅对话。它基于 Fabric 1.21.1，支持 Windows、macOS、Linux，需 Java 17 及以上、建议至少 4 GB RAM，并提供语音输入与可调响应和性格设置。
GitHubAI 评分2020 JARVIS：本地优先的对话式 AI 平台，集成 Ollama 与 Llama 3.1 8B
JARVIS 是一个用 Python 构建的本地优先对话式 AI 平台，基于 Ollama 运行 Llama 3.1 8B，集成了 Faster-Whisper 语音识别、SQLite 持久记忆和模块化工具系统。它支持唤醒词激活、可打断的流式语音对话，以及代码解释、项目搜索和依赖分析等开发者辅助能力。项目强调优先调用真实工具而非让模型猜测，长期目标是成为用户可控的个人 AI 操作层。
GitHubAI 评分2222 transcribee：macOS 开源视频转录与知识库工具
transcribee 是一款面向 macOS 的开源视频转录工具，可将视频语音转为文本并自动整理成分类知识库。它兼容 macOS 10.15 及以上版本，支持 .mp4、.mov、.avi 等常见格式，转录速度约为每分钟视频耗时一分钟，目前仅支持英文并计划后续扩展其他语言。
GitHubAI 评分2020 pidog-embodiment：让 AI 拥有实体形态的开源项目
GitHub 项目 pidog-embodiment 让 AI 获得实体形态，支持机器狗、小车及自定义硬件。它集成语音控制、人脸识别、自主行为，并可通过 Telegram 远程控制，同时支持 LLM 技术。项目提供 Windows、macOS、Linux 安装包，需 2 GHz 双核处理器、4 GB 内存及 500 MB 存储空间。
GitHubAI 评分3838 Applio App：桌面端语音转换工作室，支持模型训练与语音合成
Applio App 是一个基于 Applio 的桌面端语音转换工作室，可在同一应用内完成语音转换、模型训练和语音合成，并通过插件系统扩展。Windows 端原生支持 AMD ROCm PyTorch，首次启动自动检测 GPU 架构并安装对应 torch[device-gfxXXXX] 轮子，无需翻译层或预编译等待。
GitHubAI 评分2222 Applio：简洁高效的语音转换工具
Applio 是一款主打简洁、质量与性能的语音转换工具，支持通过插件和配置进行定制，采用 MIT 许可证，允许修改、再分发和商业使用。项目已进入稳定成熟阶段，后续更新将主要集中于安全补丁、依赖更新和少量功能改进。
TechCrunch · AIAI 评分3838 Apple 与个性化播客初创公司 Huxe 达成反向收购式招聘协议
Apple 向欧盟委员会披露，已同意向 Huxe AI 部分员工发出录用邀约，并获得 Huxe 知识产权的非独占许可。Huxe 由曾参与 NotebookLM（现更名 Gemini Notebook）AI 播客功能的开发者创立，已于 5 月 21 日宣布关停应用并删除用户数据，Apple 于 6 月 9 日通报该交易。
GitHubAI 评分1212 tryAGI 发布 AssemblyAI C# SDK：基于官方 OpenAPI 规范生成
tryAGI 发布基于 AssemblyAI 官方 OpenAPI 规范生成的 C# SDK，支持 .NET 的 nullability、trimming、NativeAOT 等现代特性，并兼容 .NET Framework/.NET Standard 2.0。
GitHubAI 评分1212 Ethiopian Modern Farmer：面向埃塞俄比亚农民的 AI 农业平台
GitHub 上的 Ethiopian Modern Farmer 项目为埃塞俄比亚农民提供作物产量预测、肥料建议、食品质量检测和阿姆哈拉语 AI 顾问四项功能。该平台基于 Python、Flask 和 TensorFlow 构建，结合机器学习、NLP 与计算机视觉技术，采用 MIT 许可证开源。
GitHubAI 评分3434 StenographAI：本地优先的隐私 AI 会议记录工具
StenographAI 是一款隐私优先的本地 AI 会议记录工具，录音、转写和摘要均在设备端完成，数据不出本地，支持 Claude Code 和 Codex 的 Steno 技能安装。
GitHubAI 评分5858 ComfyUI-VoxCPM2 节点发布：在 ComfyUI 中接入 VoxCPM2 语音合成与 LoRA 训练
SantANT20 发布 ComfyUI-VoxCPM2 自定义节点，把 VoxCPM2 语音合成模型接入 ComfyUI，提供 TTS 与语音克隆两个推理节点以及完整的 LoRA 训练流程。
GitHubAI 评分1818 mastra-transcription-agent：实时音频转写工具，支持 Discord 与 Zoom 集成
GitHub 项目 mastra-transcription-agent 提供实时语音转文字，支持文件上传、直播流转写，并可集成 Discord 机器人与 Zoom 会议。该工具兼容多种音频格式，要求 Windows 10、macOS 10.15 或支持 TypeScript 的 Linux 系统，至少 4 GB RAM 和 200 MB 磁盘空间，用户可从 Releases 页面下载安装。
GitHubAI 评分2222 Flow：语音优先的个人计算应用，用对话直接改动日历、日志与记忆
miguelalmeida0/flow 是一个语音优先的个人计算项目，让自然语言对话直接更新日历、日志、好友和记忆等结构化应用状态。语音请求经意图解析后，不明确时追问澄清，涉及重要操作先预览确认，再执行确定性动作，界面仍可直接编辑。日历、日志、好友、记忆共用同一套确定性状态，支持纠正、打断与撤销，并提供键盘和视觉回退方案。
Hacker NewsAI 评分5858 Echo99 发布 macOS 通话记录应用：本地录音、转写与摘要
Echo99 发布 macOS 菜单栏应用，可在本机录制、转写并总结 Zoom、Teams、Meet 等通话，无需会议机器人、上传录音或注册账号。麦克风与系统音频分别存为 WAV 文件，支持 25 种语言、跨通话说话人识别、全文回放定位与 Markdown 导出，摘要由本地语言模型生成。
GitHubAI 评分2222 Ciel：基于 Ollama 与 Qwen 的本地多引擎 AI 桌面助手
开源项目 Ciel 是一个运行在本地硬件上的 AI 桌面助手，通过多引擎路由将任务分派给 qwen2.5-coder:7b（推理与编码）、qwen3（数学逻辑）、qwen2.5-coder:1.5b（亚秒级快速响应）以及 sdxl-turbo 文生图模型。
GitHubAI 评分6060 Sei 发布 AI 游戏陪伴应用，可在 Minecraft、星露谷等游戏中作为第二名玩家加入
Sei（sei.gg）发布 macOS 与 Windows 版 AI 游戏陪伴应用，玩家选定伙伴后可聊天、语音通话并一起玩游戏。在 Minecraft Java 版、星露谷物语和饥荒联机版中，伙伴会作为第二名玩家加入游戏，执行跟随、挖矿、耕种、钓鱼、建造和战斗等操作；应用内还可与它下棋（走法来自 Maia-3 模型，400 至 2000 Elo）和玩 Draw!
GitHubAI 评分5858 okoflow 开源 macOS 听写工具 Dictate，本地 Whisper 加云端改写
okoflow 在 GitHub 开源 macOS 听写工具 Dictate，按住右 Option 键说话即可把文字输入任意应用。
GitHubAI 评分1212 Sree AI 多模态 AI SaaS 平台：支持 102+ 模型与 Gemini Live 实时语音
Sree AI 是一个全栈多模态 AI SaaS 平台，支持 NVIDIA NIM、Google Gemini、Groq、Deepgram 多提供商路由，可在 102+ 模型间切换，包括 Gemini 3.8 Flash、DeepSeek V4 Pro、Kimi K3 等。