好开源，值得被发现。

vtmate 是一款终端语音AI工具包，支持超低延迟、41种语言及集成TTS/STT。它提供实时语音对话、辩论、语音克隆、会话导出和后台守护模式，配合全局快捷键实现无缝AI交互。

OpenCreator（原KrillinAI）是一款开源AI工作区，将多模态内容创作与通用Agent工作区相结合，基于Codex CLI执行引擎，支持视频翻译、下载、缩略图生成、图像生成、智能配音和视频生成等功能。

Unsloth 是一款适用于 Windows、macOS 和 Linux 的桌面应用程序和框架，旨在让用户能够在本地运行和训练大语言模型 (LLM) 及扩散模型。

Verba 是一款离线优先的桌面语言学习应用，通过与 AI 教练对话来学习语言。它在本地运行，支持 Ollama 或用户自带 API 密钥，提供即时纠错、分级阅读、词汇间隔重复以及内置语音和听写功能。

一款适用于 Google Chrome 和 Mozilla Firefox 的浏览器扩展，可为 YouTube 视频提供实时的双语字幕翻译。

LocalAI是一个开源自托管的AI推理引擎，支持在CPU等多种硬件上本地运行大语言模型、视觉、音频和图像生成模型。它提供OpenAI、Anthropic和ElevenLabs兼容的API接口，支持按需加载模块化后端，具备多用户认证和内置Agent功能（支持RAG和MCP）。

VoxCPM2 是 OpenBMB 推出的开源无分词文本转语音系统，基于 2B 扩散自回归架构，支持 30 种语言及中文方言，具备文本描述配音、可控语音克隆和 48kHz 高保真输出等能力。

Pixelle-Video 是一款 AI 全自动短视频引擎，用户输入主题即可自动生成文案、配图、语音、背景音乐并合成视频，支持多种 AI 模型与工作流灵活组合。

tutor 是一款基于终端的离线 Python 实践课程。用户在类 Neovim 的模态编辑器中编写代码，由本地 TTS 语音指导。课程涵盖基础练习、模拟云端/DevOps 路径（含 git, Docker, AWS, Terraform, Ansible, CI/CD）并支持进度保存。

ChatTTS是一款开源的对话场景文本转语音模型，支持中英文，具备多说话人输出及对笑声、停顿和韵律的精细控制。

GPT-SoVITS 是由 RVC-Boss 开发的多功能语音克隆与文字转语音（TTS）WebUI 工具，支持零样本（5秒音频）和少样本（约1分钟数据）语音克隆，兼容中文、日语、韩语、粤语和英语等多种语言。内置音频分离、自动分轨、多语言 ASR 等功能，提供 WebUI 界面和命令行工具，支持 Windows、Linux、macOS 及 Docker 平台部署。

pyVideoTrans是一款支持本地离线部署与各类在线API的开源工具，可用于视频翻译、音频转录、AI配音及字幕翻译。

NVIDIA NeMo Speech 是一个 Apache-2.0 许可的 PyTorch 框架，用于构建、定制和部署语音 AI 模型，涵盖自动语音识别、文本转语音和语音大语言模型，并提供预训练检查点及 Docker/uv 安装方式。

FunTTS 是一个统一接口的文本转语音库，支持多种开源TTS引擎无缝切换，提供字幕生成、多角色对话、异步处理等功能。