Product-voice-ads：粘贴商品信息生成 ElevenLabs 语音广告
开源项目 Product-voice-ads 可将商品详情自动生成约 30 秒的口播广告脚本，并通过 ElevenLabs 转为所选音色和语言的 MP3。脚本由 OpenAI 结构化输出生成，按语言校验长度（英文 55-90 词，中文 100-170 字），支持编辑、语气与语速调节，以及 ElevenLabs Music 生成伴奏并在浏览器内混音导出 WAV。
#语音
GitHubAI 评分3434 GitHubAI 评分3838 PodSight：用 Whisper 与 Gemini 自动转录并发布台湾财经播客
PodSight 是一套全自动流水线，通过 RSS 检测新播客、用 Groq Whisper API（whisper-large-v3）转录、Gemini 生成摘要，再发布到静态站点并推送至 Telegram，全程由 GitHub Actions 每天台湾时间 10 AM 和 7 PM 运行两次，无需人工干预。
RadarAIAI 评分3434 Grok Bot 一天搭建电话客服智能体
有用户用 Grok Bot 结合 xAI 语音，一天内为 Shopify 店铺搭建出电话客服智能体，可查询订单状态、修改订单、转接人工客服并向来电者介绍产品信息。该店铺此前从未提供电话支持，用户称客户很快将用上这一服务且成本不高。
GitHubAI 评分6262 WAIvePulse 发布本地 AI 音乐工作室，五页工具覆盖写词到混音
WAIvePulse 是一个在本地 GPU 上运行的开源 AI 音乐工作室，把写词、生成、混音、循环编曲和卡拉OK 五个页面串在一个浏览器里。歌词由本地 Ollama 上的 Llama 3.1 生成，HeartMuLa 3B 模型把歌词和标签合成带人声的 MP3，Demucs 再把成品拆成六条分轨进入 DAW 式混音台。
RadarAIAI 评分5757 八款 AI 语音输入法实测对比：微信、千问、OpenLess、秘塔等，作者选出 Vibe Coding 搭配方案
作者卡尔的 AI 沃茨实测微信输入法、千问输入法、开源项目 OpenLess 和秘塔输入法四款 AI 语音输入法，并汇总上期豆包、Typeless、闪电说、网易叭哥说的数据。结论是千问准确率最高且支持双向剪贴板，微信速度最快但 AI 润色弱，OpenLess 配置最灵活但需二十分钟到半小时配置。作者最终方案为千问加叭哥说加 Typeless 三件套。
RadarAIAI 评分2222 Claude 或推升级语音体验，隐藏 Voice 标签页标注 Preview
Claude 移动应用中出现一个标注为 "Preview" 的隐藏语音标签页，暗示 Anthropic 可能推出升级版语音体验。目前尚不清楚 Anthropic 是否在自研语音模型，但 Claude 移动应用近期新增了分享语音数据用于训练的选项。
Hacker NewsAI 评分6060 voiceio 发布 Linux 本地语音听写工具，可在本机微调模型
voiceio 发布面向 Linux 的本地语音听写工具，按下热键说话即可把文字输入当前应用，Whisper 在本机 CPU 上解码，无需账号、服务器或上传，可离线使用且无遥测。
GitHubAI 评分2222 Voice Console：本地语音指令控制台 MCP 安全硬化说明
Voice Console 是一个本地语音控制台，以 MCP Server 形态提供 run_cli、find_file、open_folder、speak、confirm 5 个工具，链路为 STT 识别 → 意图解析 → 安全门 → 工具执行 → TTS 播报。
GitHubAI 评分3636 Say So：用 GPT Live 实时语音纠正发音的 AI 英语口语课堂
Say So 是一个基于 Next.js 16 的虚拟英语课堂，通过 GPT Live 实现 WebRTC 实时语音对话，AI 老师会针对印尼语、西班牙语、葡萄牙语母语者的发音干扰进行纠正。
GitHubAI 评分1818 kannaka-radio：由全息共振介质驱动的 24/7 AI 电台
kannaka-labs 推出 kannaka-radio，一个由 Holographic Resonance Medium（HRM）实时状态驱动的 24/7 流媒体电台，播放列表由介质中与音频情绪向量共振最高的 artifact 决定。
GitHubAI 评分3636 OpenInterviewer 开源自适应 AI 访谈平台发布 5.4.0
开源自适应 AI 定性访谈平台 OpenInterviewer 发布 5.4.0，新增端上语音输入，并在研究导出中加入分析文件。该版本支持 Google Gemini、Anthropic Claude、OpenAI 和 OpenRouter 4 家 AI 提供商，访谈覆盖英语、简体中文、法语、日语、韩语和西班牙语，访谈记录先保存再分析。
GitHubAI 评分3636 Mynah：在本地电脑运行语音识别与翻译的开源工具
Mynah 是一款在本地运行的语音识别与翻译工具，实时处理音频且无需云端连接，数据保留在用户设备上。它支持 Windows 10/11，最低需 Intel Core i5 或 AMD Ryzen 5 处理器、8 GB 内存和 2 GB 存储空间，默认使用 CPU，配备 Nvidia 显卡时可启用 CUDA 加速。
GitHubAI 评分2222 Helm Landing：开源 AI 会议助手，支持转录、总结与会议准备
Helm Landing 是一款开源 AI 会议助手，聚焦转录、总结和会议准备三项核心功能，支持多语言转录、说话人标注、行动项提取与议程生成。项目强调隐私与透明，提供端侧处理、自托管后端和加密云路径等数据方案，前端采用 React 与 TypeScript，数据层使用 Supabase，并支持 Docker 部署。用户可加入 waitlist 获取早期功能与反馈渠道。
GitHubAI 评分3838 Natively：Cluely 的开源免费替代，本地运行 AI 助手
Natively 是 Cluely、Final Round AI 等工具的免费开源替代品，界面与 Cluely 相同但功能更多，个人非商业使用 $0，本地运行且从未发生数据泄露。
GitHubAI 评分88 ai-voice-cloner-2026：30 秒音频样本离线克隆任意声音
ai-voice-cloner-2026 是一款完全离线的声音克隆工具，只需 30 秒音频样本即可克隆任意声音，内置 10 种克隆模型，支持 MP3 和 WAV 格式，无需联网、无需技术基础。应用仅支持 Windows 10 或 Windows 11，最低 4 GB 内存、2 GB 存储空间，可免费下载使用，无订阅、无水印、无使用限制。
GitHubAI 评分2222 qtranscribe：Linux 上的离线语音转文字 App
qtranscribe 是一款面向 Linux 的离线语音转文字应用，基于 AI 语音识别，语音数据不发送到任何服务器，无需联网即可实时转写。官方称多数用户开箱准确率超过 95%，支持英语、西班牙语、法语、德语等多语言，并可通过说出 "comma"、"period"、"question mark" 自动插入标点。
Hacker NewsAI 评分1010 Audio Converter AI：免费在线音频转文字工具
Audio Converter AI 提供免费在线音频转文字服务，可将讲座、会议、播客等音视频转为带说话人标签、时间戳和 AI 摘要的可编辑文本。官方称已有 500 万以上活跃用户、5 万余条五星评价，满意度 98.3%，文件传输和存储均加密并在处理后自动删除。
GitHubAI 评分3838 Goblin：面向 Claude 的媒体分析流水线，提取关键帧与带时间戳转录
Goblin 是一个面向 Claude 的媒体分析流水线，输入本地视频、音频文件或 YouTube URL，即可提取场景切换关键帧和带时间戳转录，并生成结构化的 MANIFEST 目录供 Claude 与剪辑工具直接消费。
Hacker NewsAI 评分6262 Show HN：无需独立 GPU、内存低于 15GB 的离线语音助手
作者发布离线语音助手，全部本地运行，无需独立 GPU、内存占用低于 15GB，支持打断、技能与工具调用。它把打断分为两种强度，短促哼声暂停播放、明确打断丢弃剩余回复；轮次结束由逐帧语音检测、停顿阈值和分类器共同投票，分歧时用四 token 的判定提示词输出 LISTEN 或 REPLY。
GitHubAI 评分3434 ReadyForRound：免费 AI 模拟面试，语音对话并生成反馈报告
ReadyForRound 是一款 100% 免费的 AI 模拟面试 Web 应用，面试官用浏览器语音合成提问，用户以语音作答并用 Whisper 转写，约一分钟即可获得逐题评分、缺失点和示范答案的反馈报告。它覆盖 Technical、Behavioural、HR、Resume deep-dive 等轮次，支持 19 个角色和 19 家公司的面试风格，并据薄弱项生成每周学习路线图。
GitHubAI 评分2222 FastTTS 0.1.3 发布：面向 Java 的统一零臃肿 TTS 后端编排库
FastTTS 0.1.3 发布，这是一个面向 Java 的轻量级 TTS 编排库，通过统一 API 接入 Pocket TTS（离线 Sherpa-ONNX）、Piper（离线）、Windows SAPI（系统）、ElevenLabs 与 Deepgram（云端）五种后端。
RadarAIAI 评分3838 屏幕时代的终结：用 GPT-Live 语音指挥 AI 智能体工作
Azeem Azhar 在忘带笔记本电脑的一周里，仅靠手机上的 ChatGPT 语音完成日常工作，这得益于 OpenAI 7 月发布的 GPT-Live，它支持用语音指挥 AI 智能体。他认为，围绕电脑和打字建立起来的办公室工作模式这一"虚构"正在松动，并终将消失。
GitHubAI 评分2222 Home Assistant 集成 openai_tts 3.10 发布：新增 OpenRouter 预设与音量增益
Home Assistant 的 openai_tts 集成发布 3.10 版，需 Home Assistant 2026.9.1 或更高版本，新增 OpenRouter 预设、每配置文件 -12 至 +12 dB 增益，以及 Sonos 和 Music Assistant 的播报音量覆盖。
GitHubAI 评分3838 Tater：本地优先 AI 平台，支持 llama.cpp、MLX 与多平台语音卫星
Tater 是一个本地优先 AI 平台，可通过 llama.cpp、Hugging Face Transformers 和 MLX 运行本地模型，或连接 Ollama、LM Studio、LocalAI、Lemonade 等本地 OpenAI 兼容 API。
GitHubAI 评分1515 Arabic-Speech-Handbook：阿拉伯语语音 AI 的完整指南
Arabic-Speech-Handbook 是一份面向阿拉伯语语音技术的参考与学习资源，汇集了阿拉伯语语音识别与合成相关的数据集、模型、基准和工程实践。手册按编号分节，涵盖基准与排行榜、ASR 与通用语音语料、TTS 级语料、任务专用语料及工具与生产工程，并附主要参考文献。
GitHubAI 评分2222 claude-music-studio：基于 Claude AI 的音频分析与 SunoAI 提示词生成工具
claude-music-studio 是一款基于 Claude AI 的音频分析与 SunoAI 提示词生成平台，支持实时分析音频并生成音乐提示词，兼容超过 1000 个音乐制作平台。该工具提供 Windows、macOS 和 Linux 桌面版，采用 MIT 许可证，用户可从 GitHub Releases 页面下载安装。
GitHubAI 评分4848 Brevia：本地优先的 AI 会议助手，录音不出设备
Brevia 是一款本地优先的桌面 AI 会议助手，同时录制麦克风和系统音频并实时生成字幕，语音识别全部在设备端完成，录音、转录和声纹默认不出本机。它支持 30+ 种语言的转录与会议摘要，会后通过 Pyannote 分割与说话人嵌入模型匹配声纹，为转录标注发言人姓名。摘要可接入 Claude、OpenAI、OpenRouter 或本地内置模型，仅发送文本、不发送音频。
GitHubAI 评分2222 Orphic-FM 与 Orphic-DJ：共享 C++ DSP 引擎的 Kotlin Multiplatform 合成器与交互式专辑应用
Orphic-FM 是一款 12 复音合成器，Orphic-DJ 是基于它的交互式专辑应用，两者均为 Kotlin Multiplatform 应用，共用同一套 C++ DSP 引擎。
GitHubAI 评分5050 Bodhi Realtime Agent：基于 Gemini Live API 的实时语音智能体框架
Bodhi Realtime Agent 是一个用 TypeScript 构建实时语音智能体应用的框架，基于 Google Gemini Live API 实现双向音频流与服务器端轮次检测。
RadarAIAI 评分4848 八款AI语音输入法横评：作者找到Vibe Coding的最佳搭配
作者实测微信输入法、千问输入法、开源项目OpenLess、秘塔输入法四款，加上此前已测的Typeless、闪电说、网易叭哥说和豆包输入法，共八款AI语音输入法，统一用同一段含中英文混合、编号列表和专有名词的文字进行测试，以找出Vibe Coding的最佳搭配。
GitHubAI 评分2222 Al-Heekmah Library 开源古兰经应用 alquranalkareem：端侧 AI 诵读校验
Al-Heekmah Library 发布开源古兰经应用 alquranalkareem，基于 Flutter 构建，覆盖 Android、iOS、macOS、Windows 及 Linux 和 Web。
GitHubAI 评分3838 Echo Loop：自动驱动精听跟读复述的英语听说训练 App
Echo Loop 是一款开源英语听说训练 App，把精听、跟读、盲听、段落复述和间隔复习串成自动推进的学习闭环，用户只需导入音频并专注练习。每段素材按 1 次首次学习加 7 轮间隔复习安排，间隔从 6 小时拉长到 28 天。App 支持长难句意群划分、难句收藏专项复习、语境化闪卡、AI 翻译与句子解析、跟读 AI 评测及断点续学，由中央民族大学外国语学院杨艳老师指导设计。
RadarAIAI 评分4040 苹果与 Huxe 达成人才引进与技术许可协议，后者由前 Google NotebookLM 团队创立
苹果与 AI 音频初创公司 Huxe 达成人才引进与技术许可协议，可向 Huxe 特定员工发出聘用邀请并获得其知识产权非独占许可，但不收购 Huxe 业务。这是 2026 年公开披露的第 4 笔苹果 AI 相关交易。Huxe 由 3 名前 Google NotebookLM 团队成员创立，其同名应用可依据邮件和日历生成每日音频简报，已于 2026 年 5 月关闭。
GitHubAI 评分3838 primaprashant/awesome-voice-typing：语音输入与听写工具精选列表
GitHub 项目 primaprashant/awesome-voice-typing 汇总了一批语音输入与听写工具，覆盖 macOS、Windows、Linux、Android 和 Wear OS 平台。列表按本地、云端或混合模式分类，标注各工具支持的模型，包括 Whisper、Parakeet、Qwen3-ASR、SenseVoice、Vosk 等，并说明是否支持 BYOK 云端服务。
GitHubAI 评分2222 StreamingKokoroJS：基于 Kokoro-JS 的浏览器本地开源 TTS 项目
StreamingKokoroJS 是一个基于 Kokoro-JS 构建的开源文本转语音项目，全部处理在浏览器本地完成，无需联网。它支持无限量转换、多种语音与口音选择，并可调节音调、语速和音量，采用 MIT 许可证，用户可从 Releases 页面下载最新版本直接运行。
GitHubAI 评分3030 EchoForge：基于 XTTS-v2 的自托管语音克隆平台，6 秒样本克隆 17 种语言
EchoForge 是一个基于 XTTS-v2 引擎的自托管神经语音合成平台，只需 6 秒音频样本即可克隆任意声音，并支持 17 种语言输出。它提供无限语音档案存储、批量处理引擎（渲染时间最多减少 68%）、AES-256-GCM 加密与 JWT 认证，以及 RESTful API 和移动优先的 Web 控制面板。
GitHubAI 评分4040 WristNote：Apple Watch 一键录音转笔记的开源项目
开源项目 WristNote 用约 430 行 Swift 代码加一个 Bun 服务器，让 Apple Watch 一键录音后经 Gemini API 生成带标题、转录、摘要和行动项的 Markdown 笔记。
GitHubAI 评分1818 HERA SafeSpace：面向非洲女性的 AI 数字安全平台
HERA SafeSpace 是一个面向非洲女性和女孩的数字安全平台，重点服务肯尼亚及周边社区，提供 AI 数字暴力检测、AES-256 加密证据留存、多语言幸存者支持门户和匿名社区论坛。其 AI 检测器支持实时毒性分析与 Safe Rewrite，支持英语、斯瓦希里语、法语和阿拉伯语，并配备语音输入与危机识别功能。
Hacker NewsAI 评分5050 BabyTalk：ESP32 上的离线语音转文字与文字转语音
BabyTalk 让 ESP32-S3 或 ESP32-P4 在无云端、无网络的情况下实现通用英语语音识别与语音合成，支持 C、MicroPython 及 AtomVM 上的 Erlang/Elixir。
GitHubAI 评分2222 voicely：面向面试练习的实时语音 AI 工具使用指南
voicely 是一款帮助练习面试的实时语音 AI 工具，能在你说话时实时转写语音、识别问题类型、搭建回答结构并给出质量评分。它面向 Windows 10 及以上 64 位系统，要求至少 4 GB 内存、可用麦克风和约 200 MB 安装空间，练习记录保存在本地 Documents 的 voicely_data 文件夹。