Fish Speech

工业级可控高效 TTS，4.4K+ stars。工业级可控高效的零样本文本转语音方案，支持语音克隆和风格控制

🎯机器人控制、仿真与边缘部署、语音合成与实时语音交互

阿里 FunAudioLLM 多语言语音生成大模型，提供推理、训练和部署全栈能力，支持跨语种合成和声音克隆。

🎯多语言语音合成、声音克隆、实时语音交互

edge-tts 是一个 Python 库，利用微软 Edge 浏览器的在线语音合成服务实现文本转语音，无需安装 Edge 或 Windows，也不需要 API Key，支持多种语言和声音选择

🎯语音合成 / TTS

视频翻译配音工具，10K+ stars。由 LLM 驱动的视频翻译和配音工具，支持多语种视频翻译和配音生成

🎯语音合成与实时语音交互

基于 Apple MLX 框架的语音合成与识别库，支持 TTS、STT 和 STT，在 Apple Silicon 上高效运行。

🎯在 Mac 上本地运行高质量的语音合成和识别

实时语音 AI 平台，核心 Hydra 异步架构将 listening、reasoning、acting、responding 并行处理，实现毫秒级延迟。Voice 4.0 面向企业（金融、医疗、呼叫中心），支持语音到语音直接对话。总融资超 $2100 万。

🎯企业实时语音 AI——金融、医疗、呼叫中心