Dograh
开源语音 Agent 平台，2500+ stars。支持实时语音通话、外呼、TTS/STT、WebRTC 等能力，基于 FastAPI + Next.js 构建，自托管友好的语音 AI 基础设施
🎯适用场景：构建语音客服系统，智能外呼，语音 AI 客服自动化
📊 仓库数据
📈 上次抓取以来 ↑+13 ⭐
✅ 优点
- •实时语音通话能力成熟
- •基于 FastAPI + Next.js，开发者友好
- •支持 WebRTC，延迟低
⚠️ 限制
- •需要自行搭建语音基础设施
- •TTS/STT 质量依赖第三方服务
🔗 相关工具
Real-Time Voice Cloning
开源⭐ 60k↓1github.com/corentinj/real-time-voice-cloning
5 秒语音克隆工具，59,640+ stars。只需 5 秒音频样本即可克隆任意人声，支持实时语音合成，是语音合成和 TTS 领域的里程碑项目
🎯 语音合成与实时语音交互
GPT-SoVITS
开源⭐ 58k↑+3github.com/RVC-Boss/GPT-SoVITS
1 分钟数据训练 TTS，56,826+ stars。强大的少样本语音克隆和文本转语音工具，仅需 1 分钟参考音频即可训练出高质量 TTS 模型，支持多语言和中日英三语合成
🎯 语音合成与实时语音交互
Coqui TTS
开源⭐ 45k↑+3github.com/coqui-ai/TTS
深度学习 TTS 工具包，45,126+ stars。基于深度学习的文本转语音工具包，支持多种 TTS 模型训练和推理，提供高质量自然语音合成能力
🎯 语音合成与实时语音交互
ChatTTS
开源⭐ 39kgithub.com/2noise/ChatTTS
日常对话生成语音模型，39,109+ stars。专为对话场景优化的文本转语音模型，生成自然流畅的语音，支持多种声音风格和情感表达
🎯 语音合成与实时语音交互
Voicebox
开源⭐ 28k↑+73github.com/jamiepine/voicebox
Voicebox 是开源的语音合成工作室，提供高质量的文本转语音 (TTS) 能力。支持多语言、多音色、情感化语音生成，22,208 stars（周增 5,198 星）。与商业 TTS 服务不同，Voicebox 完全开源可自部署，提供 Web UI 和 API 两种使用方式。支持声音克隆（少量样本即可）、实时流式输出、SSML 标记语言控制韵律和语调，是播客制作、有声书生成、游戏配音和 AI 语音助手的理想选择
🎯 播客/有声书自动化、游戏 NPC 配音、AI 语音助手、视频内容配音、无障碍朗读
CosyVoice
开源⭐ 21k↑+5github.com/FunAudioLLM/CosyVoice
通义实验室开源的多语种语音生成大模型，21K+ stars。支持中英文日韩韩等多语种语音合成、语音克隆和跨语种语音生成，提供推理、训练和部署全栈能力。是开源 TTS 领域的标杆项目之一
🎯 语音合成与实时语音交互