Best AI Websites & Tools

AI产品榜

AI产品榜

OpenVoiceChat

与大型语言模型进行自然的语音对话

普通产品聊天语音识别文本到语音

OpenVoiceChat是一个开源项目，旨在提供一个与大型语言模型（LLM）进行自然语音对话的平台。它支持多种语音识别（STT）、文本到语音（TTS）和LLM模型，允许用户通过语音与AI进行交互。项目采用Apache-2.0许可，强调开放性和易用性，目标是成为封闭商业实现的开源替代品。

OpenVoiceChat

目标受众为技术开发者、AI研究者和对自然语言处理有兴趣的用户。他们可以利用OpenVoiceChat快速构建语音交互应用，或在研究中探索LLM的潜力。

开发者使用OpenVoiceChat创建智能家居控制中心，通过语音指令控制家中设备。
教育机构利用该模型开发语言学习应用，帮助学生练习发音和语言理解。
企业集成OpenVoiceChat到客服系统中，提供24/7的AI语音客服服务。

访问OpenVoiceChat的GitHub页面，了解项目详情。
阅读文档，了解如何安装和配置所需的STT、TTS和LLM模型。
根据个人需求修改代码，实现特定功能的定制。
运行main.py文件，开始与LLM进行语音对话。
利用提供的API接口扩展功能，如增加新的语音识别引擎或TTS声音。

OpenVoiceChat 替代品

speech-to-speech

speech-to-speech — 开源的语音到语音转换模块

编程•语音识别•自然语言处理

WeST — 300行代码实现基于LLM的语音转录。

编程•语音识别•自然语言处理

FireRedASR-AED-L — 开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

生产力•语音识别•开源

FireRedASR — 开源的工业级普通话自动语音识别模型，支持多种应用场景。

生产力•语音识别•开源

RAG-FiT

RAG-FiT — RAG-FiT是一个用于提升LLMs利用外部信息能力的库，通过特别创建的RAG增强数据集对模型进行微调。

编程•自然语言处理•模型微调

s1-32B — s1是一个基于Qwen2.5-32B-Instruct微调的推理模型，仅用1000个样本进行训练。

生产力•文本生成•推理模型

node-DeepResearch — 持续搜索和阅读网页，直到找到答案（或超出token预算）。

编程•深度学习•信息检索

Tülu 3 405B — Tülu 3 405B 是一个大规模开源语言模型，通过强化学习提升性能。

编程•自然语言处理•开源

Open R1 — 这是一个完全开放的 DeepSeek-R1 模型的复现项目，旨在帮助开发者复现和构建基于 R1 的模型。

生产力•深度学习•自然语言处理

Janus-Pro-1B — Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。

图像•多模态•图像生成

SpeechGPT 2.0-preview — 首个面向语境智能的人类级实时交互系统，支持多情感、多风格语音交互。

聊天•语音交互•自然语言处理

Baichuan-M1-14B — 百川智能开发的专为医疗场景优化的开源大语言模型，具备卓越的通用能力和医疗领域性能。

生产力•大语言模型•医疗

DeepSeek-R1-Distill-Qwen-1.5B — DeepSeek-R1-Distill-Qwen-1.5B 是一款高效推理的开源语言模型，适用于多种自然语言处理任务。

编程•自然语言处理•强化学习

RealtimeSTT — 一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。

生产力•语音识别•实时转录

xiaozhi-esp32 — 基于ESP32的AI聊天机器人项目，可实现多语言对话与声纹识别

编程• 聊天机器人•ESP32

YuLan-Mini — 一款高效率的2.4亿参数轻量级语言模型

编程•语言模型•自然语言处理

DeepSeek-V3 — 一款具有671B参数的Mixture-of-Experts语言模型。

中文精选•自然语言处理•深度学习

Robo Blogger — 将语音转换为博客文章的助手

写作•自然语言处理•内容创作

Moonshine Web — 实时浏览器端语音识别应用

编程•语音识别•自动语音识别

OmniAudio-2.6B — 世界上最快的边缘部署音频语言模型

生产力•音频处理•边缘计算

Megrez-3B-Omni — 端侧全模态理解开源模型

生产力•全模态理解•图像识别

Q-RWKV-6 32B Instruct Preview — 最强大的RWKV模型变体，打破多项英语基准测试。

编程•机器学习•自然语言处理

OLMo-2-1124-7B-SFT — 高性能英文文本生成模型

生产力•文本生成•自然语言处理

OLMo 2 7B

OLMo 2 7B — 7B参数的大型语言模型，提升自然语言处理能力

编程•大型语言模型•自然语言处理

Ai2 OpenScholar

Ai2 OpenScholar — 科学文献综合检索增强型语言模型

生产力•科学文献•检索增强

Llama-3.1-Tulu-3-8B-RM — 先进的指令遵循模型，提供全面后训练技术指南。

编程•自然语言处理•后训练技术

Llama-3.1-Tulu-3-70B-SFT — 领先的指令遵循模型家族，提供开源数据、代码和指南。

编程•自然语言处理•文本生成

Llama-3.1-Tulu-3-8B-DPO

Llama-3.1-Tulu-3-8B-DPO — 先进的文本生成模型，支持多样化任务

编程•文本生成•自然语言处理

playwright-ai — 使用Anthropic API进行Playwright测试的AI工具

编程•Playwright•自动化测试