Confucius4-TTS 是一個基於 LLM 的文字轉語音引擎，可在 14 種語言中實現無需參考文字的零樣本跨語言語音克隆。

Loki Mode 是一個開源 CLI/SDK，可將產品規格轉化為完全建構、測試和驗證的程式碼庫。它執行一個自主的 LLM 驅動工作流程（Reason-Act-Reflect-Verify），包含八個品質門檻檢查，並產生可由任何人重新驗證的加密綁定「證據收據」。可透過 bun/npm/Homebrew/Docker 安裝，使用 `loki quickstart` 建立新應用，或使用 `loki modernize heal` 評估和改善現有倉儲。該工具需要 Anthropic API 金鑰（或相容模型），專注於可審計、生產級程式碼生成。

一個免費、開源的本地音訊轉錄與說話人辨識應用程式，專為研究人員和記者設計，以確保資料隱私。

mcp2cli 是一個執行時 CLI 生成器，可將 MCP 伺服器、OpenAPI 規範或 GraphQL 端點轉換為即時可用的命令列工具。它支持 OAuth, OAuth-safe flags, baked configurations, usage-aware ranking, 與 machine-readable JSON 輸出，使 LLM agents 與開發者能夠以最小的 token overhead 進行 API 調用。

一款適用於 Chrome 和 Firefox 的瀏覽器擴充功能，利用文字轉語音技術將網頁文字轉換為音訊，以提升無障礙體驗並方便多工處理。

Scalene 是一款快速的行級 Python 分析器，可測量 CPU、GPU (NVIDIA) 和記憶體使用情況，實現 Python 與原生代碼的分離，可視化縫合後的堆疊，並能直接從 UI 向 LLM（OpenAI、Azure、Bedrock、Ollama 等）請求優化建議。

OpenCode Swarm 是一個 OpenCode 外掛程式，可將單一 AI 編碼提示轉化為帶門禁、可生產部署的工作流程。它強制執行審查、測試、安全掃描與文件化，支援 13 種語言，提供可恢復會話、PR 監控與多種安全/速度模式。透過 `bunx opencode‑swarm install` 安裝；透過 `~/.config/opencode/opencode‑swarm.json` 設定；使用 `/swarm agents`、`/swarm status`、`/swarm auto‑proceed` 等斜線命令控制流程。

用於音訊與音樂訊號處理的 Python 函式庫，為建構音樂資訊檢索系統提供基礎工具。

一個適用於 Claude/Codex 的技能，透過四步「毛式」分析法指導 LLM 分析卡住的專案、團隊衝突或人生決策，輸出簡潔文字摘要和可選的單檔案 HTML 報告。

TaoMate 是一個研究級、實時音訊・影像數位人生成系統。該程式碼庫提供推論程式碼、多GPU啟動器，以及四GPU互動式瀏覽器示範。它整合了 22B LTX-2.3 轉換器、Gemma-3 文字編碼器和可選的 Gemma-4 對話模型，需要高記憶體 NVIDIA GPU 和來自 Hugging Face 的獨立模型檢查點。

TTS Audio Suite 是一個 ComfyUI 擴充，整合了 19 個文字轉語音、語音轉換與音訊編輯引擎（例如 F5‑TTS、DramaBox、Higgs Audio、Qwen3‑TTS、RVC）。它提供字幕感知生成、分段標籤、視覺化波形分析、靜音語音時間對齊，以及內建的 RVC 模型訓練功能，所有功能皆透過執行時隔離，確保不同引擎的相依性不會衝突。

一個基於 PyTorch 的音訊函式庫，提供用於機器學習的音訊資料處理工具，具備 GPU 加速與專用音訊轉換功能。

一款用於建立長篇有聲讀物和播客的桌面應用，使用本地或雲端 AI 文字轉語音引擎，具備內建的品質驗證和音訊混音功能。

一個將 Neural Amp Modeler 引擎整合至 DAW 的 VST3/AudioUnit 插件，實現 AI 驅動的吉他放大器模擬。

BioMCP 是一個統一的 CLI/MCP 伺服器，讓使用者和 AI 代理能透過簡單的指令語法查詢約 30 個生物醫學資料庫（如 PubMed、ClinVar、ClinicalTrials.gov、OncoKB 等），並可在實體間轉換、執行本地研究分析及進行基因集富集分析。可透過腳本、uv/pip、Homebrew、Docker 或原始碼安裝，提供豐富來源資訊的 JSON 或終端輸出，並可直接與 Claude Code、Codex 和 Claude Desktop 整合。

Vime 是一個用於大型語言模型（LLM）的開源 RL 後訓練框架。它結合了 slime/Megatron 分佈式訓練棧與 vLLM 推論，透過 vllm-router 提供高吞吐量的 rollout 過程，並提供靈活的數據生成管道。支援的模型包括 Qwen、DeepSeek V3 和 LLaMA 3。使用者可以透過配置 Megatron、vLLM 和 router 參數來執行 agentic RL、coding-agent RL 或自定義 RL 演算法。該儲存庫提供快速入門文件、多個現成的範例，以及為開發者提供的清晰的程式碼閱讀路徑。

TileLang‑Ascend 是一個建立在 TVM 之上的 Python 風格 DSL，用於在華為 Ascend NPU 上編寫高效能 AI 核心函數。它提供了一個能發出 Ascend 專屬程式碼的編譯器，支援自動向量化、記憶體規劃與同步，並以可透過 pip 安裝的 wheel 形式發布，內含許多現成的範例（GEMM、Flash‑Attention 等）。

Memoria 是基於 MatrixOne 資料庫建構的 AI 代理記憶的 Git 風格版本控制層。它為每一次記憶變更提供快照、分支、合併與回滾功能，支援混合向量/全文搜尋、自動矛盾偵測，並採用隱私優先的部署模式（雲端或自托管）。代理透過 MCP 命令或 REST API 與之互動，使記憶可安全修改、可審計且可在會話間重複使用。

一個基於網頁的 Music-Source-Separation-Training 界面，允許使用者使用各種 AI 模型從音樂軌道中分離人聲與樂器。

Bol na 是一個開源框架，可協調語音轉文字、LLM 和文字轉語音服務，建構可發起與接收電話通話的語音優先助理。它提供核心伺服器、通話 Webhook（Twilio/Plivo）、Redis 和 ngrok 的 Docker-Compose 容器，並提供 Python SDK（`Assistant`）用於建構串流管道。該平台與提供者無關（支援 Deepgram、Azure、OpenAI、ElevenLabs、AWS Polly 等），並可擴充至新的通話或音訊服務。

一個使用 OpenAI 的 Whisper 提供即時、本地語音轉文字轉錄與翻譯的 OBS 插件，確保隱私且無雲端成本。

OpenCove 是一款跨平台的 Electron 應用程式，提供一個無限的 2D 畫布，讓您可以在上面放置執行 AI 編碼代理（如 Claude Code、Codex）的終端機、筆記、任務和圖片。佈局、終端機輸出和代理狀態會在重啟後保留，您還可以為畫布建立快照以便日後重複使用。它的目標是讓 AI 助理的工作流程空間化，而不是隱藏在分頁或冗長的聊天記錄中。

ElevenLabs 的官方 Python SDK，可讓開發者將逼真的 AI 文字轉語音、語音克隆與即時對話式 AI 代理整合至其應用程式中。

一種生產級的梵文吟誦文本轉語音系統，能夠生成傳統的旋律吟誦，而非平淡的朗讀語音。

一個高效能的 Python 函式庫，用於讀取、寫入與套用專業級音訊效果及第三方 VST3/Audio Unit 外掛程式至音訊檔案與即時串流。

Humanize PPT 是一個開源 Python 編排工具，可將 Markdown 轉換為觀眾狀態轉移（AST）投影片計畫，決定每頁媒體內容，將渲染任務交給下游 HTML 或 PPTX 技能，執行自動簡報檢查以標記「好看但無法講解」的投影片，並產生輕量級講者外殼。它可透過簡單技能安裝與 AI 代理（Claude‑Code、Codex、Hermes）整合，支援下游渲染器如 `guizang-ppt-skill`、`frontend-slides`、`ppt‑master` 和媒體生成器（`baoyu-image-gen`、Remotion）。MIT 許可證。

基於 Qwen3-TTS 模型的 ComfyUI 自訂節點，支援高品質語音合成、零樣本語音克隆與自然語言驅動的語音設計。

一個為 Claude Code 和其他 MCP 相容代理設計的語音介面，支援使用雲端或本機語音服務，實現自然、免提的對話。

一個基於 Rust 的終端 UI 與 CLI，將數十個 AI 編碼助手的對話日誌聚合、歸一化並索引至本地 SQLite 歸檔中。提供 60 毫秒以下的詞法搜尋與可選的設備內 MiniLM 語意搜尋，並提供穩定的 JSON 機器人模式 API，用於自動化與診斷。

一個提供快速、即時轉錄功能，並內建語音活動檢測與喚醒詞支援的 Python 語音轉文字程式庫。

OpenCommit 是一個 Node.js CLI，利用 LLM（OpenAI、Anthropic、Ollama 等）從暫存變更中自動產生符合規範、帶表情符號的 Git 提交訊息。支援全域與專案級設定、多提供者、本地模型伺服器、Git 鈎子與 GitHub Action，實現提交訊息的自動優化。

一個開源、自托管的語音朗讀文件閱讀器，支援 EPUB、PDF、TXT、MD 與 DOCX 檔案的同步朗讀播放。

MOSS-Audio 是一個開源音訊理解模型，統一了語音、環境音與音樂分析，並具備強大的時間感知與推理能力。

基於 ggml 的高性能 C++ 音訊推理框架，可在多種硬體後端上實現 TTS、ASR 與語音複製模型的快速、便攜本地執行。

HappyClaw 是一個自托管平台，可將 Anthropic Claude Code 代理作為長期運行的多使用者服務執行。它封裝了 Claude Agent SDK（TypeScript）與 Claude Code CLI，提供基於 Web 和 8 個即時通訊管道的介面，支援隔離工作區（主機或 Docker）、完整的 Claude Code 功能（檔案存取、Shell、瀏覽器、插件）、排程、使用量追蹤，以及企業級 RBAC 與備份。

一個為 Asterisk 與 FreePBX 所設計的開源 AI 語音代理，提供 STT、LLM 與 TTS 提供商的模組化流程，可建立生產就緒的語音機器人。

專為 Apple Silicon 上的音訊串流優化的即時音樂生成開源權重模型及推論引擎。

一個基於 `python-audio-separator`（UVR5 的 Python 版本）的使用者友善圖形介面，支援使用多種 AI 模型從音訊與影片檔案中分離人聲與樂器。

Usage4Claude 是一款原生的 macOS 選單列應用程式，能即時監控 Anthropic Claude (以及可選的 OpenAI Codex) 的訂閱配額。它支援所有 Claude 產品、多帳號、自適應刷新、彩色環狀用量圖、通知功能，並將憑證安全地儲存在 macOS Keychain 中。您可以透過預建的 DMG 安裝，或使用 Swift/SwiftUI 從原始碼構建。

使用 CUDA 圖捕獲技術的高效率推論引擎，實現 Qwen3-TTS 的即時、低延遲語音克隆與語音生成。

一個工業級的全功能 ASR 系統，整合語音辨識、語音活動偵測、語言辨識與標點預測，並針對中文方言提供專屬支援。

一個使用 Whisper 和 LLM 自動偵測並移除播客節目廣告的自架設伺服器，透過乾淨無廣告的 RSS 訂閱源提供服務。

Lemmalog 是一個基於 Rust 的 Datalog 引擎，可將 LLM 提取的三元組轉化為可驗證、可增量更新的記憶儲存。支援置信度加權事實、時間有效性、實體標準化、證明樹生成以及混合 BM25 加實體檢索層。透過 CLI、REPL 或 JSON-RPC MCP 伺服器整合，驅動 Claude Code/Kimi 代理，在 MemEval 風格基準測試中表現優異，同時使用的令牌遠少於全上下文基線。

一個核心 C++ DSP 套件，提供在音訊插件中執行神經放大器模型所需的神經網路邏輯。

一個由 LLM 驅動的智能體，可抓取 URL、起草 Twitter/LinkedIn 貼文，經人工審核後透過 Arcade 或原生 OAuth 發布。基於 LangGraph 構建，支援 Slack、Supabase、GitHub 與 YouTube 整合，並可透過提示詞檔案配置。

用於對話式 AI 的開源 PyTorch 工具包，提供語音和文本處理（包括語音識別和合成）的方案和工具。

Murmure 是一個開源桌面應用，使用 NVIDIA 的 Parakeet TDT 0.6B v3 模型實現離線、以隱私為先的語音轉文字。它在 Windows、macOS 和 Linux 上本地執行，支援 25 種歐洲語言，並提供無遙測的簡單語音輸入介面。

StemRoller 是一個免費應用程式，使用 Demucs 演算法從透過整合的 YouTube 搜尋找到的歌曲中分離人聲與伴奏 stem。