Parlor

开源本地语音克隆与合成桌面应用，4.2K+ stars。ElevenLabs 的开源替代方案——支持本地声音克隆、语音设计、配音和听写，完全离线运行保护隐私，是 AI 语音创作的一站式工具

🎯多模态内容理解与生成

MiniMax 多模态 CLI 工具，Node.js 编写，七大模态命令：text、image、video、speech、music、vision、search，AI Agent 可直接调用生成图像、视频、语音、音乐

🎯语音合成与实时语音交互、多模态内容理解与生成

阿里巴巴发布的文本转语音模型，在 TTS 排行榜上超越所有竞争对手登顶第一。与 Qwen-Image-3.0 同周发布，标志阿里多模态全面加速。

🎯高质量文本转语音——排行榜第一的开源 TTS 方案

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

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

微软开源的前沿语音 AI 模型，51.4K+ stars。支持高质量语音合成与声音克隆，适用于多语种 TTS 与语音交互场景

🎯机器人控制、仿真与边缘部署、语音合成与实时语音交互