Mã nguồn mở chuyển giọng nói thành văn bản và chuyển văn bản thành giọng nói, đã được kiểm tra

1 phút dữ liệu giọng nói cũng có thể được sử dụng để huấn luyện một mô hình TTS tốt! (few shot voice cloning)

Kết quả test: GPT-SoVITS API server starts and responds to TTS inference requests: HTTP 200 with a valid synthesized WAV audio file returned for English text-to-speech using a default reference audio on CPU. 23 phút.

WhisperX: Nhận dạng giọng nói tự động với dấu thời gian cấp từ (và diarization)

Kết quả test: WhisperX 3.8.7rc1 is installed in a Python 3.12 venv at /tmp/whisperx-venv with CPU-only PyTorch. The test suite passes (12/12 tests) and the CLI prints help and version correctly. All imports resolve without errors. 3 phút.

Leon là trợ lý cá nhân mã nguồn mở của bạn.

Kết quả test: Leon server installs, builds, serves HTTP on port 5366, and passes all 371 unit tests with Node.js v24 in CI mode (no local AI or voice models). 10 phút.

Speech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation và VAD sử dụng Kaldi thế hệ mới với onnxruntime mà không cần kết nối...

Kết quả test: The sherpa-onnx 1.13.8 C++ source built successfully, all 29 CTest tests passed, the published Python package installed, and both Python and native CLI paths performed real Whisper ASR and generated decodable Piper TTS audio. 7 phút.

Một bộ công cụ phong cách làm phim bằng mã cho Claude Code: 66 loại có sẵn, và của riêng bạn. Mỗi phong cách là một prompt phong cách cộng với một đoạn phim...

Kết quả test: With Node 20.20.2, the core, voice, and music installs exit 0, and the real pipeline produced a 6.000-second 1920x1080 24 fps film with 144 H.264 frames and stereo AAC audio that fully decoded with exit 0. 7 phút.

Ứng dụng đọc chính tả chuyển giọng nói thành văn bản với mô hình cục bộ (Nvidia Parakeet/Whisper) và mô hình đám mây (BYOK). Ưu tiên quyền riêng tư và hỗ trợ...

Kết quả test: npm install succeeds, all 944 tests pass with Node 24 and the custom loader bootstraps, test script runs all test suites without failures. 71 phút.

Một thư viện chuyển giọng nói thành văn bản mạnh mẽ, hiệu quả, độ trễ thấp với khả năng phát hiện hoạt động giọng nói nâng cao, kích hoạt bằng từ đánh thức và...

Kết quả test: In a fresh venv with RealtimeSTT[server,faster-whisper] installed, all 591 unit tests pass, the Whisper golden test transcribes the fixture correctly, and the packaged production server answered 200 on /health, /v1/ready and /v1/capabilities and returned the correct transcript on POST /transcribe-pcm16. 9 phút.

Mô-đun nhận dạng giọng nói cho Python, hỗ trợ nhiều engine và API, trực tuyến và ngoại tuyến.

Kết quả test: SpeechRecognition 3.17.0 installed in a venv; 41 of 56 tests pass with 15 expected skips; Google Speech API recognition returns transcriptions from local audio files; CLI sprc binary prints help. 4 phút.

Một thư viện text-to-speech (TTS), speech-to-text (STT) và speech-to-speech (STS) được xây dựng trên framework MLX của Apple, cung cấp phân tích giọng nói hiệu...

Kết quả test: A fresh editable install exited 0, the API server returned HTTP 200 on / and /v1/models, a real Kokoro request produced a decodable 2.8-second 24 kHz mono WAV, and the combined core and TTS test suites passed 1506 tests with 45 skipped. 39 phút.

Nhận dạng giọng nói cho trang web của bạn

Kết quả test: All 165 tests pass, build produces ESM/CJS/IIFE bundles in dist/, and the library is usable via npm import or script tag. 11 phút.

Công cụ phiên âm video, tạo phụ đề và cắt clip với sự hỗ trợ của LLM, chạy bằng FunASR, có giao diện Gradio cục bộ.

Kết quả test: FunClip v2.2.1 is fully installed in a Python 3.12 venv with all dependencies, all 90 tests pass, the CLI recognition+clipping pipeline processes a real video with Paraformer-Large ASR and produces valid clipped MP4 output, and the Gradio web interface launches and serves HTTP 200 on localhost. 49 phút.

Tạo sách nói từ EPUB, PDF và văn bản với phụ đề đồng bộ.

Kết quả test: All 1592 tests pass, Flask web UI serves HTTP 200 on GET /, and the real Kokoro-82M TTS engine with af_heart voice generates non-silent, ffmpeg-decodable WAV audio from text input. 22 phút.

Nền tảng AI giọng nói mã nguồn mở. Giải pháp thay thế tự triển khai cho Vapi và Retell. Triển khai On Prem, BYOK cho Speech to Speech hoặc LLM/STT/TTS, với...

Kết quả test: Backend Python venv installed with all core deps, PostgreSQL 16 running on port 5432, Redis 7.4.1 running on port 6379, Node.js v22 deployed, pipecat submodule installed editable, FastAPI app imports with speechmatics as the only blocking provider, 493/514 collectable tests pass against real services. 57 phút.

Công cụ AI mã nguồn mở bản địa hóa và lồng tiếng video cho YouTube/Bilibili: nhận dạng giọng nói, dịch phụ đề, nhân bản giọng nói, trộn âm thanh và kết xuất...

Kết quả test: Backend API is fully operational: uvicorn serves the FastAPI app on port 9998, all 421 backend tests pass, and every major endpoint (health, login, tasks, settings, cookies) responds correctly with expected status codes. 20 phút.

Trình đọc chính tả bằng giọng nói cục bộ cho mac, windows và linux

Kết quả test: Full Rust project compiles on Ubuntu 24.04 x86_64 with no root, all 397 unit tests pass (0 failures), binary runs and responds to --help and --version commands. 28 phút.

Thư viện python cho giao tiếp thời gian thực

Kết quả test: The fastrtc library installs in a venv, all 29 tests pass, the Kokoro TTS model generates audio, and a demo app starts under uvicorn and serves its OpenAPI schema. 7 phút.

Một mô hình TTS đa ngôn ngữ 100M tham số cho suy luận CPU thời gian thực, nhân bản giọng nói và tạo âm thanh nổi 48 kHz

Kết quả test: Dependencies installed in venv; PyTorch CPU inference via infer.py produces valid WAV audio; FastAPI web server responds to health checks and generates 48kHz stereo speech via POST /api/generate with demo presets. 16 phút.

Một bản triển khai gần như thời gian thực của Whisper từ OpenAI.

Kết quả test: WhisperLive is installed in a Python 3.12 venv with all dependencies, 318 of 332 unit tests pass (14 metrics tests skipped as they require a dedicated metrics server port), and the server launches with the REST API health endpoint responding HTTP 200 on port 8000 and the WebSocket server listening on port 9090. 11 phút.

Chuyển đổi văn bản thành giọng nói theo thời gian thực

Kết quả test: realtimetts 0.8.10 installed and built wheel+sdist; 369 of 380 tests pass covering BaseEngine, alignment, language router, sentence splitting, streaming, stream player, release guard (except ssh-keygen), and Qwen studio; Qwen server starts and fails only on CUDA GPU requirement; pyttsx3 SystemEngine requires espeak. 13 phút.

API dịch vụ web ASR Whisper OpenAI

Kết quả test: The Whisper ASR Box webservice is installed and running: the uvicorn server serves Swagger UI at /docs, returns JSON language detection at /detect-language, and returns transcription text at /asr all with HTTP 200. 14 phút.

Một WebUI Gradio + React duy nhất với các phần mở rộng cho ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice...

Kết quả test: TTS-WebUI server starts and responds HTTP 200 on both Gradio proxy (7767) and main (7770) interfaces; 102 of 105 tests pass (3 skipped require real API credentials); all core extensions import cleanly; CLI troubleshoot passes. 6 phút.

[AutoArk] GPA (General Purpose Audio) có thể thực hiện ASR, TTS và chuyển đổi giọng nói với một mô hình nhỏ!

Kết quả test: GPA v1.5 native PyTorch ASR, TTS, and training all run on CPU with weights downloaded from HuggingFace. ASR transcribes Chinese and English correctly; TTS produces valid 16 kHz mono audio from text plus a reference clip; training executes a forward/backward step. 10 phút.

API phiên âm cuộc họp mã nguồn mở cho Google Meet, Microsoft Teams và Zoom. Bot tự động tham gia, bản ghi WebSocket thời gian thực, máy chủ MCP cho AI agents...

Kết quả test: 11 Python service test suites and the JS terminal client test suite run successfully in a container with Node 22.13 and Python 3.12.3; the compose/Docker deployment path cannot execute without Docker engine being available. 17 phút.

Thư viện Python và công cụ CLI để giao tiếp với API text-to-speech của Google Translate.

Kết quả test: gTTS 2.5.4 installed, all 108 pytest tests pass, and the CLI generates valid MP3 audio via the Google Translate TTS API. 1 phút.

Tổng hợp giọng nói từ văn bản ngoại tuyến cho python

Kết quả test: pyttsx3 v2.99 with eSpeak-NG v1.53.0 backend on Python 3.12.3 (Linux): import, speech synthesis, WAV file saving, property get/set, event loop, and all 9 applicable tests pass. 4 phút.

Suy luận speech-to-text bằng ggml cho hơn 16 họ mô hình

Kết quả test: transcribe.cpp builds from source with cmake and GCC 13, produces a working transcribe-cli binary that understands all CLI options and reads 16 kHz mono WAV files, and passes all 39 unit/smoke tests on CPU without a model file. 4 phút.

Phòng thu âm thanh và âm nhạc AI cục bộ mã nguồn mở cho macOS & Windows. TTS, nhân bản giọng nói, bài hát có lời, và bản nhạc đa track, 100% ngoại tuyến, không...

Kết quả test: 安装、前端构建、Go 核心测试（3 包通过）与 Playwright 浏览器测试（74/74 通过）全部成功，浏览器预览应用服务返回 HTTP 200，独立 CLI（engine v0.7.4）与 audiocpp CPU 引擎（0.7.4）均能启动运行；仅原生桌面 App 因仓库限 macOS/Windows 未在此 Linux 容器构建。. 10 phút.

GPT-SoVITS ONNX: Inference Engine & bộ chuyển đổi mô hình

Kết quả test: GENIE TTS package installs and builds in a Python 3.12 venv; all 4 language G2P modules produce correct phone IDs; FastAPI server serves all endpoints (/stop, /clear_reference_audio_cache, /load_character, /set_reference_audio, /tts, /unload_character) returning HTTP 200; full TTS inference with predefined character... 9 phút.

Một tiện ích mở rộng trình duyệt tuyệt vời giúp đọc to nội dung trang web chỉ với một cú nhấp chuột.

Kết quả test: All 159 tests pass consistently (0 fail, 0 skipped, 0 todo) across repetitive concurrent execution; the offscreen-manager fixture timeout was relaxed to eliminate a timing-dependent failure. 3 phút.

Nhận dạng giọng nói thành văn bản với push-to-talk cho các Wayland compositor

Kết quả test: Voxtype v1.1.0 builds and passes its full test suite (1159 passed, 0 failed) on Ubuntu 24.04 amd64 with Rust 1.99.0, after manually providing alsa and clang/LLVM development libraries extracted from apt packages without root privileges. The CLI binary responds correctly to --version and --help. 27 phút.

Chủ đề → video tường thuật 4K cho coding agents. v5.3.0: TTS cục bộ (edge miễn phí + azure, không cần engine ngoài), Asset Engine dựa trên manifest...

Kết quả test: All 255 Python tests pass, TypeScript type-checks pass, and Remotion 4.0.438 renders a 2-frame smoke test to a valid H.264 MP4 verified with ffmpeg decode check; the only source change needed was bumping zod from ^3.23.0 to ^4.3.6 in package.json. 7 phút.

Soprano: Chuyển văn bản thành giọng nói tức thì, siêu thực tế

Kết quả test: Soprano TTS 0.2.0 is installed from source in a venv at /tmp/venv. The CLI produces valid 32 kHz WAV audio on CPU. The FastAPI server serves the /v1/audio/speech endpoint (HTTP 200, valid WAV). The Gradio WebUI module loads successfully. Streaming playback requires the system PortAudio library (not available in this... 15 phút.

AI Dictation App - Mã nguồn mở và ưu tiên cục bộ Gõ nhanh gấp 3 lần, không cần bàn phím. Chạy bằng các mô hình mã nguồn mở, hoạt động ngoại tuyến, nhanh và...

Kết quả test: Installation completed: Node 24.10.0, pnpm 10.34.5, all 1566 packages installed, whisper native addon compiled (.node binary at packages/whisper-wrapper/native/linux-x64/whisper.node), electron 44.3.0 available, workspace builds pass, and the test suite runs (149/150 test files pass, 1505/1508 tests pass, 3... 23 phút.

Mô hình Text-to-Speech dựa trên Flow Matching với điều khiển phong cách dựa trên emoji

Kết quả test: Irodori-TTS installs and all core modules import cleanly on CPU. The TextToLatentRFDiT model constructs and runs forward passes. The Gradio web UI builds and serves HTTP 200. Inference requires downloading a HuggingFace checkpoint. 8 phút.

Các node tùy chỉnh mở rộng khả năng của Comfyui

Kết quả test: The repository installs as a ComfyUI custom_nodes extension: pip dependencies install cleanly, ComfyUI starts on CPU, the server answers HTTP 200, and all 8 AlekPet custom node groups load successfully with zero startup errors. 34 phút.

Ứng dụng whisper đa backend. Cực nhanh. Tối ưu cho Mac-arm. Cài đặt dễ dàng. Nhập tệp cục bộ hoặc url và dịch vụ này sẽ phiên âm nó bằng Whisper AI. Hoàn toàn...

Kết quả test: transcribe-anything 4.1.2 installed in a uv-managed Python 3.11 venv with Python 3.10 available for iso-envs; 265/278 tests pass, CLI help works, all backends ready for first-use env creation. 21 phút.

Bản dịch đồng bộ cho video. Lồng tiếng video.

Kết quả test: SoniTranslate web app built with Gradio 4.19.2 launches via python app_rvc.py --cpu_mode and serves a fully constructed UI at http://127.0.0.1:7860 returning HTTP 200 on / and /config endpoints. 22 phút.

Một mô hình đa ngôn ngữ để tổng hợp hội thoại dài, nhiều người nói với khả năng điều khiển người nói linh hoạt và nhân bản giọng nói zero-shot

Kết quả test: MOSS-TTSD v1.0 model loads from HuggingFace, processor encodes conversations, forward pass returns logits, and generate() produces audio codes and text tokens on CPU with bfloat16 precision. 25 phút.

Mô hình TTS có khả năng phát trực tuyến âm thanh hội thoại theo thời gian thực.

Kết quả test: Dia2-1B model loads and generates valid 24 kHz mono WAV audio on CPU (bfloat16) via both the Python API and CLI, producing non-silent output with correct speaker-tagged transcription and word timestamps. 12 phút.

Whisper-Flow là một framework được thiết kế để cho phép phiên âm thời gian thực nội dung âm thanh bằng mô hình Whisper của OpenAI. Thay vì xử lý toàn bộ tệp...

Kết quả test: Whisper Flow V1.1.0 server launches on port 8181, serves /health (200) and /ready (200) endpoints showing model loaded and 0 active sessions, all 29 core tests pass with 97% coverage, and all core modules import correctly. 18 phút.

Phiên âm âm thanh gần thời gian thực sử dụng Whisper tự lưu trữ và WebSocket bằng Python/JS

Kết quả test: A fresh venv installs cleanly; the VoiceStreamAI server launches on 127.0.0.1:8765 with the token-free silero VAD plus the real faster-whisper-tiny model and streams a real transcription back over WebSocket ('Good morning, everyone!'), while 2 of 3 unittest tests pass and the pyannote VAD test remains blocked by the... 15 phút.

Đánh giá hệ thống speech-to-text của bạn bằng các độ đo tương tự như word error rate (WER).

Kết quả test: The jiwer package is installed and functional: all 74 tests pass, the CLI prints its help, and the Python API computes WER/MER/WIL/WIP/CER correctly including empty-reference edge cases. 1 phút.

Vonage REST API client cho PHP. Hỗ trợ API cho SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) và nhiều hơn nữa.

Kết quả test: Vonage client-core installs with composer update and its full PHPUnit suite passes 1096/1096 after the Guzzle 8 version-guard fix in src/Client.php, with SMS send verified end-to-end against a local mock HTTP client. 4 phút.

Video giải thích và demo sản phẩm được tạo bởi AI agent của bạn. Miễn phí và mã nguồn mở: giọng nói cục bộ (Kokoro), căn chỉnh thời gian từ (Whisper) và trình...

Kết quả test: explainroo v0.1.0 is installed with Node.js 20.20.2, Playwright Chromium headless shell, Kokoro TTS, Whisper ASR, and all npm dependencies. The project initializes, voices, checks, stills, sheets, and renders draft MP4s. The how-dns-works example produces a 68s video with 8 scenes. 29 phút.

Trung tâm runtime C++ ggml cho các mô hình ASR và TTS đa ngôn ngữ: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, v.v. cùng với forced alignment phổ...

Kết quả test: CrispASR v0.8.37 builds, runs CLI transcription (Whisper base model), and serves an HTTP API, all tested end-to-end with real audio in this container. 36 phút.

Claudemy: một giải pháp mã nguồn mở thay thế cho Udemy và Coursera. Đưa cho Claude một chủ đề, nó nghiên cứu trên web và xây dựng một khóa học gồm các bài học...

Kết quả test: All 39 regression tests pass. beautifulsoup4 is installed in a venv, ffmpeg is available, all four CLI scripts (scrape, check_lessons, render_audio, package_class) emit correct usage docs, the lesson checker correctly validates scripts and citations, and the package class script combines cards into a deliverable. 2 phút.

Một thư viện Python để giải reCAPTCHA v2 và v3 với Playwright

Kết quả test: All 16 tests execute without errors against live reCAPTCHA demo pages and antcpt.com; v2 solvers correctly raise RecaptchaRateLimitError against Google's rate limits, v3 solvers solve antcpt.com successfully, and recaptcha_not_found tests raise proper exceptions when no captcha is present. 7 phút.

Nền tảng AI Avatar / digital human: tải lên ảnh, nhân bản giọng nói, trò chuyện với bất kỳ khuôn mặt nào trong thời gian thực với video lip-sync. Mã nguồn mở...

Kết quả test: Backend FastAPI server runs on port 8000 with SQLite storage, 191 pytest tests pass, frontend Next.js builds and serves on port 3000, full REST API flow (register/login/me/avatar upload/session create/guest) works end to end in local-dev mode without Docker, Redis, or third-party API keys. 10 phút.

Xây dựng AI phone agent trên máy tính của bạn và kiểm tra mọi thay đổi với một AI caller. Mã nguồn mở, chạy miễn phí không cần API keys, chỉ vài cent mỗi cuộc...

Kết quả test: Both packages (vpd-vk 0.3.0, vpengine 0.3.0) installed in .venv-engine; 453 tests pass; engine starts and answers health and chat session endpoints. 23 phút.

Nhận dạng giọng nói generative ưu tiên tiếng Ả Rập: Audar-ASR-V1 (Flash + Turbo). #1 trên Open Universal Arabic ASR Leaderboard. Model cards, benchmarks và...

Kết quả test: Audar-ASR-V1-Flash model loads and transcribes on CPU. All three reference API functions (transcribe, transcribe_long, stream_transcribe) work correctly. 27 phút.

Dramaxis (剧枢): Nền tảng kể chuyện phim ảnh và thuyết minh thông minh multi-agent cấp điện ảnh (Tauri 2 + Rust + React 19). 6 agent chính hợp tác đạo diễn...

Kết quả test: All 280 frontend tests pass, frontend production build succeeds (299 modules), 10 of 11 Rust workspace crates compile and all their tests pass (core=13, intake=17, export=18), VitePress docs build succeeds. Tauri desktop shell (root Cargo.toml + update crate) blocked by missing libwebkit2gtk-4.1-dev system packages... 11 phút.

Chỉ cần một câu để AI làm video quảng bá sản phẩm! Đưa tên hoặc URL vào Cursor, Claude Code, Codex, AI tự nghiên cứu, vẽ mẫu, chụp 4K thật, cắt nhịp nhạc, tạo...

Kết quả test: Template project installs, fonts subset correctly, stills render, 1080p preview video renders cleanly, web player builds; lint passes; all doctor checks pass except optional ElevenLabs key. 10 phút.

Công cụ đọc chính tả bằng giọng nói và ghi cuộc họp cục bộ cho Windows + Linux. Giữ hotkey để đọc chính tả, hoặc ghi các cuộc họp dài kèm âm thanh hệ thống...

Kết quả test: pnpm+uv deps installed, TypeScript+Python code compiles/typechecks, frontend Vite build succeeds, 331/331 backend tests pass, and the Qt+Pyloid desktop app launches on the virtual display and loads the Whisper speech model. 22 phút.

Copilot AI cho cuộc họp, mã nguồn mở: phiên âm thời gian thực, khử tiếng vọng và hỗ trợ AI. Thu âm thanh hệ thống + micro, khử tiếng vọng qua WebRTC AEC3...

Kết quả test: Raven 2.5.0 Electron app builds from source, runs tests (1088 passed), and launches on Linux with Vite dev server and Electron main process. 3 phút.

Speech-to-text, diarization và streaming rất nhanh (ngay cả trên CPU) với NVIDIA Parakeet trong Rust

Kết quả test: parakeet-rs compiles, all 24 tests pass, and the full ONNX inference pipeline runs successfully with a verified model. 4 phút.

Vonage API client cho Node.js. Hỗ trợ API cho SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) và nhiều hơn nữa.

Kết quả test: The @vonage/server-sdk monorepo installs cleanly under Node 22.23.4, all 618 tests pass, all 28 packages build to CJS/ESM/DTS, lint passes, and a real end-to-end call against a local mock returned a parsed account balance of 10.28 EUR and an SMS response with message-count 1 and status 0. 5 phút.

Một thư viện Python nhẹ cho Nhận dạng giọng nói tự động sử dụng các mô hình ONNX.

Kết quả test: All 249 core tests pass, package imports correctly, CLI displays help with all supported model names, and whisper-tiny model executes real ASR inference via Hugging Face. 12 phút.

Chuyển giọng nói thành văn bản trong Obsidian sử dụng Whisper

Kết quả test: All 69 tests pass (5 test files), TypeScript type-checking passes, esbuild bundles main.js successfully with no errors. 1 phút.

Một ứng dụng desktop để phiên âm âm thanh và video từ tệp, URL, video YouTube hoặc micrô của bạn, sau đó chỉnh sửa, dịch, tóm tắt, tạo phụ đề và trò chuyện với...

Kết quả test: All 554 tests pass, the desktop GUI opens a mapped window on Xvfb, and the CLI transcribes audio files with WhisperX on CPU. 8 phút.

AAAI 2025: Codec quan trọng: Khám phá khiếm khuyết ngữ nghĩa của Codec cho Mô hình Ngôn ngữ Âm thanh

Kết quả test: X-Codec model builds, imports, runs encode/decode on real audio across all bandwidths, and produces valid WAV output. 8 phút.

Bản port mô hình Whisper của OpenAI sang C/C++

Kết quả test: whisper.cpp builds from source and transcribes the JFK speech sample correctly with the base.en model on CPU, returning 7 passing tests and a working HTTP server. 5 phút.

Tạo và chỉnh sửa video hướng dẫn AI với các bài học minh họa, người trình bày biểu cảm, giọng nói riêng biệt và timeline tích hợp sẵn. Ứng dụng desktop Windows...

Kết quả test: All 6 workspace packages build successfully. JS unit tests pass 156/156 (packages/contracts/scenes/themes). Renderer tests pass 100/117 (17 pre-existing version-mismatch failures). Python pipeline tests pass 942/956 (2 pre-existing failures: Linux path normalization vs Windows test, and stale manifest byte count). The... 22 phút.

Trình thu thập dữ liệu TikTok, Douyin và Bilibili tự lưu trữ và trình tải video không watermark, API REST không đồng bộ, MCP server cho các AI agents, CLI và...

Kết quả test: All 2960 tests pass (2450 unit + 510 integration), the CLI outputs version 5.0.1 and lists 10 commands, the API server starts and serves healthz/readyz/swagger/console root with 200, the web console SPA is built, and both the PostgreSQL+TimescaleDB and Redis backends and the Go downloader sidecar run. 48 phút.

Một runtime giọng nói realtime giữ cho Agents luôn nói chuyện, làm việc và hiện diện. Runtime giọng nói Real-time cho AI Agents.

Kết quả test: The qwen-audio-agent v1.11.0 project installs, builds, launches a Gateway serving HTTP 200 on port 3101, and passes all 1789 automated tests with zero failures. 9 phút.

Vocello: một phòng thu giọng nói riêng tư cho Apple Silicon. Viết script, chọn hoặc mô tả một giọng nói, và tạo giọng nói cục bộ trên Mac và iPhone của bạn...

Kết quả test: On this Linux container the repository's deterministic contract gate passes cleanly, the Python suite passes 1526 tests with 2 unfixable lsof-dependent tests failing, the website's 19 unit tests and production build pass under portable Node 22, and a vite preview server served the prerendered site and both... 12 phút.

Trình khách dòng lệnh Whisper tương thích với client OpenAI gốc dựa trên CTranslate2.

Kết quả test: Installed in a venv; the CLI answers version 0.5.7, all 17 unit tests pass, and 6 of 7 e2e tests pass including real small/medium-model transcription of the bundled samples matched against reference outputs, with only diarization failing because it needs a real HuggingFace token and pyannote/torch. 22 phút.

Dramaxis (剧枢): Nền tảng tường thuật phim ảnh và thuyết minh thông minh multi-agent cấp điện ảnh (Tauri 2 + Rust + React 19). 6 agent chính hợp tác đạo diễn...

Kết quả test: Frontend installs, type-checks, builds, and its full Vitest and Playwright suites pass (157 unit tests, 8 e2e tests), and all 12 non-GUI Rust crates build and pass 79 unit plus 2 doc tests; the Tauri desktop shell still cannot be compiled because its system GTK/WebKit dev libraries are absent from this container. 28 phút.

Trình tạo phụ đề ASR/STT. Sử dụng Qwen3-ASR, LLM cục bộ, Whisper, TEN-VAD. Chống nhiễu cho JAV.

Kết quả test: Project installed from source at /work/repo with 79 packages in a Python 3.12 venv. All 4 verification commands pass: import, --version (1.9.3), --help (full CLI), --dump-params (safe config probe). 617/617 clean tests pass; 43 failures and 11 errors are pre-existing (version drift, restructured config, missing... 11 phút.

Bộ công cụ sản xuất video AI-native cho Claude Code

Kết quả test: Hello-world, sprint-review template, render-baseline test, and concept-explainer-short template all render valid MP4 videos; migration script fixed and installs all 27 skills/commands; verify_setup.py confirms all prerequisites met. 16 phút.

Một tiện ích mở rộng trình duyệt tuyệt vời cho phép đọc to nội dung trang web chỉ bằng một cú nhấp chuột.

Kết quả test: Read Aloud extension package builds cleanly (474KB ZIP), all 49 JS files pass node syntax check, the extension loads into Chromium 127 via Playwright without errors, manifest declares all TTS permissions and a service worker, and 14 distinct TTS engine implementations are wired in tts-engines.js. 5 phút.

Các node OmniVoice TTS cho ComfyUI - Chuyển văn bản thành giọng nói đa ngôn ngữ zero-shot với nhân bản giọng nói, thiết kế giọng nói và hội thoại nhiều người...

Kết quả test: 5 OmniVoice TTS ComfyUI nodes (Longform TTS, Voice Clone, Voice Design, Multi-Speaker, Whisper Loader) installed and registered; OmniVoice-bf16 model loads from HuggingFace cache, generates valid 24kHz audio waveform from text on CPU in ~9 seconds for 2-second utterance. 5 phút.

Giải pháp thay thế Granola/Otter mã nguồn mở, ưu tiên cục bộ, mà Claude Code, Codex, Cursor và bất kỳ MCP client nào cũng có thể truy vấn. Cuộc họp, cuộc gọi...

Kết quả test: The minutes CLI v0.27.0 binary builds and runs: 59 commands available, demo generates 5 sample meetings with correct markdown frontmatter and YAML metadata, capabilities endpoint reports 50+ features, whisper-guard passes 14/14 tests, 1827/1864 minutes-core tests pass with 37 container-limited failures, 3/4... 30 phút.

Một ứng dụng chuyển giọng nói thành văn bản miễn phí, mã nguồn mở và có thể mở rộng, hoạt động hoàn toàn ngoại tuyến.

Kết quả test: The Handy app builds from source (debug binary + frontend), passes its full Rust unit test suite (271/271) and Playwright frontend tests (2/2), and launches and stays up on the Xvfb virtual display, enumerating its CPU compute device and 69-model catalog via CLI. 67 phút.

Một công cụ nhận dạng lời nói không thành tiếng theo thời gian thực.

Kết quả test: AVSR model loads on CPU and produces transcriptions from video features; MediaPipe face detector initializes; all Python imports resolve; webcam capture fails in headless environment (no /dev/video0) but app otherwise works. 23 phút.

On-device AI cho Flutter: Gemma và các LLM khác, đa phương thức, function calling, embeddings, RAG và speech trên Android, iOS, Web, macOS, Windows và Linux.

Kết quả test: All 14 Dart pub workspace packages with test directories pass their test suites on Linux x64 with Flutter 3.47.0 and Dart 3.13.0, with 0 errors and all 567 analyzer findings at info level only. 11 phút.

VRCT (Trình dịch và Phiên âm Chatbox VRChat)

Kết quả test: Python backend starts and completes full initialization (Whisper model, CTranslate2, OSC), Vite frontend builds and serves, all 936 pytest tests pass, OCR engine is ready with downloaded models, Rust toolchain installed; Tauri native build blocked by missing webkit2gtk-4.1 system libraries (not installable without... 25 phút.

Ứng dụng desktop AI mã nguồn mở miễn phí cho sách nói, podcast, phim tài liệu, phim và video hoạt hình với các mô hình cục bộ, API đám mây và storyboard có thể...

Kết quả test: Dependencies installed, 819 non-multimedia tests pass (0 failures), the engine host HTTP server answers 200 on /health, and 4 code/test bugs were fixed; the Qt GUI cannot launch because no PipeWire audio daemon runs in this container. 31 phút.

Amphion (/æmˈfaɪən/) là một bộ công cụ để tạo âm thanh, âm nhạc và giọng nói. Mục đích của nó là hỗ trợ nghiên cứu tái lập và giúp các nhà nghiên cứu trẻ và kỹ...

Kết quả test: Core dependencies installed, evaluation metrics compute correctly on audio pairs, model classes import cleanly. pyworld-dependent f0 metrics unavailable without python3-dev headers. Cython monotonic_align extension uncompiled for same reason. 25 phút.

Một thư viện text-to-speech (TTS), speech-to-text (STT) và speech-to-speech (STS) được xây dựng trên framework MLX của Apple, cung cấp phân tích giọng nói hiệu...

Kết quả test: mlx-audio v0.5.6 installed in a Python venv with mlx[cpu] backend, 354 of 376 tests pass (22 skipped due to missing torch/diffusers for parity), FastAPI server starts and responds 200 on /v1/models, all five CLI tools print help. 8 phút.

ODS V3 Pre-Release: Kiểm thử công khai và tinh chỉnh trước khi ra mắt chính thức V3. Biến PC, Mac hoặc máy Linux của bạn thành một máy chủ AI riêng tư.

Kết quả test: Project builds correctly, all 418 bats tests, 14/14 smoke tests (after ai_err fix), ~300 shell/Python contract tests, and the vite frontend build pass. The Docker runtime install cannot complete in this environment, but the dry-run installer, CLI (-v2.6.0), all standalone test suites, and the frontend are functional. 15 phút.

Một trợ lý AI tự chủ trên máy tính để bàn, nhận biết ngữ cảnh. Được xây dựng bằng Python, với khả năng nhìn màn hình theo thời gian thực, tổng hợp giọng nói...

Kết quả test: All 18 modules initialize correctly: EventBus, KinematicsEngine, WindowManager, FaceRenderer, ChatBubble, InputBox, StateMachine, CognitiveEngine (Groq mode), Vision sensors (semantic + mss), WindowTracker, AutonomyEngine, and VoiceEngine all boot to 'B is alive' with the Qt event loop running at ~62fps. Windows-only... 28 phút.

Một dòng mô hình mã nguồn mở cho giọng nói dài, tổng hợp hội thoại, thiết kế giọng nói, hiệu ứng âm thanh và TTS phát trực tuyến theo thời gian thực

Kết quả test: MOSS-TTS Python package installs and builds; FastAPI server starts and serves /health endpoint on port 8768; CLI entry point prints usage; all core Python modules import; the project is ready for model weight download and GPU inference but cannot run inference in this container because no CUDA GPU is available and the... 31 phút.

Python SDK chính thức cho ElevenLabs API.

Kết quả test: The elevenlabs Python SDK v2.69.0 is installed in a venv and all 219 tests pass using httpx.MockTransport to mock ElevenLabs API endpoints. 15 phút.

AI đa phương thức thời gian thực chạy trên thiết bị, với các tính năng tương tự GPT-Live.

Kết quả test: Project installs, builds, and the server starts with Gemma 4 E2B loaded and serving HTTP+WebSocket; the end-to-end AI pipeline (turn detection, llama.cpp inference, transcript parsing, TTS) all initialize and run correctly when tested manually, but the full test suite cannot complete because CPU-only inference exceeds... 77 phút.

Một AI Agent Studio local trên Windows cho thương mại điện tử phát trực tiếp (live-stream) trên Douyin, hợp nhất một quy trình làm việc thông minh xuyên suốt...

Kết quả test: The web UI serves 200 with the LiveAgent Studio title, the local gateway health endpoint verifies both mock DashScope and mock OSS as configured/verified, all 37+16+3 agent unit tests plus the frontend build tests pass, and the full video breakdown pipeline produced and decoded a real timestamped Excel transcript. 27 phút.

AI studio cục bộ di động cho Windows, Linux và macOS. GUI không cần cài đặt cho tạo hình ảnh, GGUF LLMs, chuyển văn bản thành giọng nói và chuyển giọng nói...

Kết quả test: Frontend deps installed, React UI builds and is served on localhost:1420, all 13 regression tests pass, server API endpoints respond correctly. 7 phút.

Talking Head (3D): Một lớp JavaScript để đồng bộ khẩu hình theo thời gian thực sử dụng avatar 3D toàn thân.

Kết quả test: TalkingHead 3D avatar library installed with npm, local brunette.glb avatar loads successfully in headless Chrome via WebGL, and the full test suite of 32 streaming API tests passes with 0 failures. 14 phút.

Máy chủ suy luận LLM hiệu suất cao tương thích OpenAI và Anthropic cho Apple Silicon. Hỗ trợ MLX gốc, continuous batching, mô hình multimodal, gọi công cụ MCP...

Kết quả test: vllm-mlx 0.5.0 installs into a venv on x86 Linux, its CLI help command prints usage for 8 subcommands, and 1559 of its Linux-compatible unit tests pass. 23 phút.

Máy chủ MCP (Model Context Protocol) chính thức của MiniMax cho phép tương tác với các API mạnh mẽ về chuyển văn bản thành giọng nói, tạo hình ảnh và tạo video.

Kết quả test: Package installed in a venv, all 9 pre-existing tests pass (3 server + 6 utils), and the MCP server binary launches and waits for stdio input. 2 phút.

Một tích hợp ComfyUI toàn diện cho mô hình chuyển văn bản thành giọng nói VibeVoice của Microsoft, cho phép tổng hợp giọng nói chất lượng cao cho một hoặc...

Kết quả test: 5/5 nodes registered. Torch 2.14.1+cu130, Transformers 4.57.6, Diffusers 0.39.0. Needs real model files + Qwen2.5-1.5B tokenizer for TTS. 22 phút.

Giao diện cho các mô hình OuteTTS.

Kết quả test: outetts 0.4.4 installed with all dependencies including llama-cpp-python 0.3.9 (CPU), Python modules import cleanly, default speakers load, JS test suite 12/12 passes. 15 phút.

Chuyển giọng nói thành văn bản gốc cho Linux: đọc chính tả toàn hệ thống nhanh, chính xác, riêng tư và dễ tùy biến.

Kết quả test: Python venv with all test and runtime dependencies installed; 1146/1146 tests pass; CLI responds correctly for help, config, status, transcribe routing; main service blocked only by missing system libportaudio2 which requires root to install. 17 phút.

Một ứng dụng trò chuyện bằng giọng nói

Kết quả test: The QuiLLMan frontend and websocket adapter run locally via uvicorn on port 8000 with a mocked Modal layer serving both the React frontend (200 on /) and a FastAPI websocket endpoint (200 on /status, echo responses on /ws). 11 phút.

Xử lý giọng nói Botium

Kết quả test: The Botium Speech Processing frontend server runs on port 56000 serving status, STT, TTS, languages, voices, and Swagger endpoints, with mock backends for MaryTTS and Kaldi substituting for the Docker-dependent default services. 6 phút.

Lobe TTS - Thư viện TTS/STT chất lượng cao và đáng tin cậy cho máy chủ và trình duyệt

Kết quả test: Dependencies installed; library builds and type-checks on Node 22.14.0; createEdgeSpeech connects to a WebSocket, sends speech.config and ssml frames, and returns a 200 Response containing the mocked audio payload. 17 phút.

Nhận dạng giọng nói cho các dự án React Native Expo

Kết quả test: The library builds and type-checks, its example web app serves and renders with no page or console errors, and its web speech module start/stop/event wiring works against a mock SpeechRecognition in Chrome. 53 phút.

Sử dụng Whisper và LLM (GPT, Claude, v.v.) để phiên âm và dịch giọng nói thành tệp LRC.

Kết quả test: openlrc 1.7.0a2 is installed and built in a Python 3.12 venv; all 186 mock-based unit tests pass; the httpx/httpx2 compatibility bug in ClaudeBot and GPTBot constructors is fixed. 27 phút.

Kết quả test: All 17 examples install and run: every Next.js example builds (pnpm run build exit 0) and its / and API routes answered 200 against schema-correct local mocks returning real decodable MP3 audio, transcripts, and tokens; the CLI TS/Python quickstarts produced output.mp3 (ffmpeg-decode clean) or printed the transcript... 64 phút.

Một client chuyển văn bản thành giọng nói đơn giản cho Azure TTS API.

Kết quả test: aspeak 6.1.0 builds and runs from source with PKG_CONFIG_PATH and LIBRARY_PATH workarounds; CLI text and SSML synthesis, stdout output, and offline subcommands (list-formats, list-qualities, --help, --version) all work; real Azure endpoint tests skipped due to missing credentials. 10 phút.

SDK Python chính thức cho Deepgram.

Kết quả test: deepgram-sdk 7.10.0 is installed in a Poetry virtualenv and its full test suite passes (1052 passed, 4 skipped) against a local WireMock-compatible mock, with sync and async client calls returning parsed typed responses and ruff plus mypy clean. 7 phút.

Trợ lý phỏng vấn AI và đồng phi công cuộc họp mã nguồn mở: câu trả lời trực tiếp trong các cuộc gọi Zoom, Google Meet và Teams, phiên âm ngay trên thiết bị, ẩn...

Kết quả test: The app installs and builds on the bundled toolchain, 123 unit tests and 44 relay tests pass, the Electron app launches (windows visible on Xvfb), and a chat request travels from the built app through the local relay to the OpenAI-compatible mock upstream and back with HTTP 200. 10 phút.

Một mô-đun Azure Speech Service đơn giản sử dụng Microsoft Edge Read Aloud API.

Kết quả test: pnpm install and TypeScript build succeed, all 10 Jest tests pass using a local WebSocket mock of the Microsoft Edge Read Aloud API. 26 phút.

Từ các công cụ AI đến việc tạo video TikTok bằng FFMPEG, tính năng đọc to của Microsoft Edge và mô hình OpenAI Whisper

Kết quả test: Package installs (uv sync --frozen), CLI help works, list-voices queries real Edge TTS API returning 9 Male + 8 Female English voices, create pipeline runs end-to-end with yt-dlp YouTube download, Whisper transcription, FFmpeg video composition delivering a valid 2.3MB MP4, and pytest passes 1/1. 7 phút.

Sayna là một Voice Layer thống nhất cho AI Agents với khả năng tích hợp liền mạch vào các agentic frameworks hiện có.

Voicy (@voicybot): một bot Telegram chuyển đổi tin nhắn thoại thành văn bản trong các nhóm và cuộc trò chuyện riêng tư.

Kết quả test: The repo installs and builds (yarn install + tsc), and 32 proof scripts including the worker end-to-end vNext QAs pass against a locally-started mongod; live-Telegram checks were not run because they need a real bot token, and the local-whisper proof was made platform-independent. 6 phút.

把电脑或麦克风声音转成实时翻译字幕。Live translated subtitles from computer or microphone audio.

Kết quả test: Full Rust library unit-test suite (421 tests) passes, frontend vitest suite (120 tests) passes, TypeScript typecheck and production Vite build succeed, ESLint clean, with all system GTK/WebKit GLib dependencies resolved from apt-downloaded .deb packages extracted to a local prefix. 21 phút.

Các mô hình Whisper được tối ưu hóa cho sử dụng streaming và on-device.

Kết quả test: In this container the Python package installs and imports, the streaming pipeline and examples/server.py run against a local mock ASR endpoint returning word timestamps, and the Electron client launches on the virtual display and completes a session-create/audio-chunk/process transcription round trip; real CUDA/CoreML... 34 phút.

24 agent skills đa nền tảng cho Claude Code, Cursor, Codex và Gemini CLI: cơ sở dữ liệu, nhắn tin, nghiên cứu, TTS, DevOps và Google Workspace

Kết quả test: All Python deps install and the full pytest suite passes (11 passed, 1 skipped); Outline, Telegram, Google TTS, ElevenLabs, Imagen, and NotebookLM E2E smoke are verified working against local mocks with production defaults preserved, while real-database skills and credential-gated third-party skills remain unverified... 40 phút.

ComfyUI custom node cho VibeVoice TTS. Âm thanh hội thoại nhiều người nói, giàu biểu cảm, thời lượng dài

Kết quả test: ComfyUI-VibeVoice v2.11.0 core modules and nodes install successfully; 1365 of 1634 tests pass under mocked ComfyUI stubs; remaining 230 failures require a real ComfyUI installation with model weights and GPU. 31 phút.

SDK voice-AI mã nguồn mở. Lựa chọn thay thế Vapi/Retell cho các nhà phát triển muốn sở hữu stack. Cấp cho AI agent của bạn một số điện thoại trong 4 dòng...

Kết quả test: Python SDK installs and runs 3037 passing tests. TypeScript SDK installs, compiles with zero errors, builds, and all test files pass. Python CLI responds with usage text. Two code bugs (SSRF IPv4-mapped blocking, mtime tiebreaker) and one tooling issue (vitest/vite version mismatch) were diagnosed and fixed. 41 phút.

Phụ đề dịch trực tiếp từ âm thanh máy tính hoặc micrô.

Kết quả test: In this container, mimi builds cleanly (all check.sh gates green) and the dev binary launches and stays up on the Xvfb display with settings, overlay, control and tray windows mapped, its UI-test synthetic session toggling between listening and idle via the Ctrl+Shift+Space global shortcut; real provider calls and... 36 phút.

:speech_balloon: /so.nus/ STT (speech to text) cho Node với offline hotword detection

Kết quả test: With the recorded workarounds, the project's dependencies install, the snowboy native addon and grpc load, ESLint passes, the snowboy detector fires the hotword on real audio, and sonus's hotword-to-recognition flow works against a mock speech recognizer. 17 phút.

Một máy chủ đọc tài liệu kiểu read-along mã nguồn mở với các tùy chọn TTS chất lượng cao, tô sáng đồng bộ và xuất sách nói cho EPUB, PDF, DOCX, TXT và MD.

Kết quả test: Node.js v22.12.0 with pnpm 10.33.4 installed, all 810 unit tests pass (0 failed), TypeScript type checking clean for both main app and compute-worker, production build compiles successfully, linting and boundary checks pass, and the development server starts and serves all pages (root, signin, signup) with HTTP 200. 8 phút.

Node ComfyUI cho giọng nói biểu cảm cao và nhân bản giọng nói zero-shot chân thực.

Kết quả test: ComfyUI-VoxCPM v2.4.0 loads in ComfyUI 0.42.0 on CPU; all 6 custom nodes registered under audio/tts categories; test suite runs 61/62 passing; ComfyUI server starts and responds on --cpu flag; frontend JS extension served; model scanning, settings, validation, and configuration types all verified standalone. 9 phút.

Voice AI runtime. Chuyển giọng nói thành văn bản theo hướng local-first, phân tách người nói (speaker diarization), TTS và nhân bản giọng nói (voice cloning)...

Kết quả test: Izwi CLI 0.1.0-beta-18 and HTTP API server compile and run on linux-x86_64 with CPU backend; all 3169+ unit tests pass across 7 workspace crates; server serves OpenAI-compatible /v1/ endpoints on port 8080 with proper health, metrics, model listing, OpenAPI docs, and web UI; desktop Tauri shell cannot build due to... 30 phút.

Công cụ ghi chú cuộc họp AI ưu tiên quyền riêng tư cho Windows và macOS. Miễn phí, mã nguồn mở (MIT). Phiên âm Whisper/Parakeet và tách người nói ngay trên...

Kết quả test: Meetily Tauri app builds from source, all Rust (188) and frontend (8) tests pass, and the desktop app launches successfully on Xvfb, initializing all subsystems including Tauri GUI, notification system, database, tray icon, and model managers. 61 phút.

Thư viện JavaScript (Node) chính thức cho ElevenLabs API.

Kết quả test: The repository installs with npm, builds with tsc, and its full Jest suite (1094 tests, 179 suites) plus a 22-check SDK probe pass under Node 20 against a local schema-correct mock of the ElevenLabs API, with generated mp3 audio verified by ffmpeg decode and WebSocket realtime/speech-engine paths verified live. 19 phút.

Trình biên tập video mã nguồn mở, local-first, nơi các nhà sáng tạo và các AI agents chỉnh sửa cùng một timeline thực.

Kết quả test: npm install, TypeScript typecheck, and Vite build all pass; the dev server starts and serves the application at localhost:5173; the headless timeline CLI command engine parses commands and returns structured JSON errors. 9 phút.

Một Alfred 5 Workflow sử dụng OpenAI Chat API để tương tác với các mô hình GPT Nó cũng cho phép tạo/chỉnh sửa/hiểu hình ảnh, chuyển giọng nói thành văn bản và...

Kết quả test: Ruby 3.4.7 installed via Conda; all 21 source files pass syntax check; 11 of 12 test files pass (the lone failure is a macOS-only afplay assertion); the WEBrick HTTP server boots and serves pages correctly; the HTML page builder produces complete output. 6 phút.

Một mô hình TTS có khả năng tạo ra hội thoại siêu thực tế trong một lần.

Kết quả test: Package nari-tts installs and all modules import, config loads from HF, CLI help parses, and audio utility functions work correctly, but the 1.6B-parameter model cannot load on this container's 755 MB of RAM (needs at least 3.2 GB). 10 phút.

Ứng dụng Speech Note cho Linux. Ghi chú, đọc và dịch với chuyển giọng nói thành văn bản, chuyển văn bản thành giọng nói và dịch máy ngoại tuyến.

Kết quả test: CMake configured successfully in build_final2 with Qt6 6.4.2, Catch2, fmt, ffmpeg; full build fails at dsnote_lib because 18+ external C/C++ API symbols from webrtc_vad, rnnoise, espeak-ng, piper, april-asr, sam, rdrview, cld2, google_pinyinim, xdo, qhotkey, libarchive, taglib, ssplitcpp, maddy, html2md, cpp-pinyin... 48 phút.

Cổng AI tự lưu trữ cho RAG riêng tư, truy cập dữ liệu bằng ngôn ngữ tự nhiên và các agent gọi công cụ.

Kết quả test: không kiểm chứng được; log cho thấy dự án dừng ở đâu. 28 phút.

Làm cho các giọng nói TTS tự nhiên của Azure có thể truy cập được từ bất kỳ ứng dụng tương thích SAPI 5 nào.

Kết quả test: x64 release binaries (TtsApplication.exe and NaturalVoiceSAPIAdapter.dll) extracted from GitHub release v0.2.9 and run under a manually-extracted wine-9.0 environment with zlib1.dll provided from MSYS2 mingw64, the GUI app launches and stays running, and the COM DLL registers successfully via regsvr32. 20 phút.

Cung cấp cho AI agent đôi mắt, đôi tai và kết quả có thể xác minh. Watch Skill biến video, âm thanh và hoạt động màn hình thành bằng chứng có thể tìm kiếm và...

Kết quả test: watch-skill 1.4.3 installed with all extras; 2215 offline tests pass; ruff clean; CLI reports all dependencies operational; lint checks pass. 88 phút.