微软开源的语音 AI 模型系列,包含长音频语音识别、多人对话语音合成和实时流式语音合成。
26 个项目
流媒体与实时数据工具:2026 精选
这些开源项目帮你搭建自己的音视频流媒体服务、实时语音转写和直播方案,也能处理持续不断的实时数据流。
OpenAI 官方 Python SDK,提供同步与异步客户端,并带有完整类型定义。
社区维护的 M3U 播放列表,收录全球各国可免费收看的电视频道。
一套开放的事件驱动协议,用于标准化 AI 智能体与前端应用之间的连接方式。
可自托管的有声书与播客服务器,支持流式播放、多用户进度同步和播客自动下载。
Apache Druid 是一个高性能实时分析数据库,支持快速查询与数据摄入,可作为数据仓库的开源替代方案。
一个用 Go 编写的 LLM 应用开发框架,提供组件、图编排与智能体开发能力。
用于构建 AI 对话界面的 TypeScript/React 组件库,提供可组合的基础组件与多种后端集成。
基于紧凑流式语言 OpenUI Lang 的生成式 UI 框架,让大模型按你的组件库输出可渲染界面。
可自托管的实时语音转文字服务,支持流式识别、说话人分离、同声翻译,并兼容 OpenAI 与 Deepgram API。
基于 S3 对象存储的无状态、兼容 Kafka 的流处理系统,数据不再依赖本地磁盘。
一款 Bash 脚本,用于检测 IP 地址质量,涵盖风险评分、IP 类型、流媒体与 AI 服务解锁及邮局连通性。
Ollama 官方 Python 客户端库,用于调用本地与云端模型的对话、生成、向量嵌入等接口。
Apache NiFi 是一个通过浏览器界面设计、控制和监控数据流的系统,用于在不同来源与目标之间自动处理和分发数据。
面向 AI 流式输出的 react-markdown 即插即用替代品,可正确渲染未完成的 Markdown 片段。
基于 Django 和 React 构建的自托管视频与媒体内容管理系统,用于搭建视频分享门户。
可自定义的键盘输入显示工具,主要用于 DJMAX RESPECT V 及其他游戏的直播与录像。
基于 Rust 的开源多协议下载管理器,支持 HTTP、FTP、BitTorrent、HLS/DASH 等,并可与浏览器集成。
一款免费的 macOS 提词器,在你说话时逐词高亮脚本,以灵动岛样式的浮层显示。
一份整理了公开与付费实时数据源的清单,涵盖金融、交通、天气、新闻与网络安全等领域。
将视频转换为 ASCII 或像素块画面,并通过 WebSocket 实时推送到 HTML5 Canvas 播放的渲染引擎。
开源的实时音频驱动数字人视频生成框架,支持流式输出与无限时长生成。
Soprano 是一个超轻量、可在本地运行的文本转语音模型,支持流式输出。
面向家人朋友小圈子的自托管影音服务器,管理本地电影、剧集和音乐。
基于 Electron 的桌面音乐播放器,可流式播放 YouTube Music 的音频,无需账号,无广告。
纯 numpy 的 Python 守卫库,在 LLM 流式输出过程中实时检测重复循环、语言漂移等解码损坏并及时中止。
常见问题
- 这些项目是怎么挑选的?
- Repolode 收录的每个项目都要通过质量筛选:现在就能用、能解决一个具体问题、不是简单的套壳,而且仍在维护。本页按主题归类已收录的项目,并按 GitHub Star 排序。
- 这里最受欢迎的项目是哪个?
- microsoft/VibeVoice,GitHub Star 数 5.5万。选择前建议看看各项目的许可证和最近提交时间。