AI拟声: 克隆您的声音并生成任意语音内容 Clone a voice in 5 seconds to generate arbitrary speech in real-time

A Deep-Learning-Based Chinese Speech Recognition System 基于深度学习的中文语音识别系统

DeepSpeech2是一个采用PaddlePaddle平台的端到端自动语音识别（ASR）引擎的开源项目

原神语音合成

Real-Time Voice Cloning 是“Transfer Learning from Speaker Verification to Multispeaker Text

通过天猫精灵语音技能控制 MicroPython ESP32 开发板

any4any是一个企业级多模态AI平台，提供完整的智能交互解决方案。集成了大语言模型对话、数字人系统、智能SQL查询、语音处理、知识库系统等核心功能，支持OpenAI兼容API接口，可无缝集成到各类AI应用中。

在线百度语音播报

【停止维护】一个灵活可配的中文语音对话机器人

【停止维护】一个灵活可配的中文语音对话机器人（这个项目是根据lingkong-robot所开发的在线版的源码）

GPT-SoVITS 是少样本语音转换与语音合成工具

A Deep-Learning-Based Chinese Speech Recognition System 基于深度学习的中文语音识别系统

hatTTS是专门为对话场景设计的文本转语音模型，例如LLM助手对话任务。它支持英文和中文两种语言。最大的模型使用了10万小时以上的中英文数据进行训练。在HuggingFace中开源的版本为4万小时训练且未SFT的版本.

本程序为百度智能云的语音识别标准版的封装示例demo，可直接使用。

ESPnet is an end-to-end speech processing toolkit，定期同步：https://github.com/espnet/espnet.git