LocalText2Voice は、長文テキストを AI 音声で読み上げて MP3 のオーディオブックやポッドキャスト風音声を作成するデスクトップアプリです。Piper などのローカル TTS エンジンを中心に、必要に応じて OpenAI / ElevenLabs / Gemini / Azure などのクラウド API も使え、音声生成後のレビュー、字幕、BGM 付きミックスまで一連の制作フローを扱います。

NachoBot は、長時記憶・多模態認識を備えた多プラットフォーム向けの AI 虚拟生命/チャットボット基盤です。Bilibili、Discord、QQ（NapCat）などに対応し、LLM、ASR/VLM、本地TTS、Live2D連携、メッセージ仲介や予約通知などを統合して動作します。

Sokuji は、会議や通話中の音声をリアルタイムで双方向翻訳するためのアプリです。Electron デスクトップアプリと Chrome/Edge ブラウザ拡張の両方を提供し、クラウドAPI（OpenAI、Gemini など）と、WASM/WebGPU を使った完全オフラインのローカル推論の両方に対応しています。

ReadAny は、デスクトップとモバイル向けのローカルファーストなAI電子書籍リーダーです。RAGチャット、意味検索、ハイライト、TTS、WebDAV同期などを備え、書籍をオフライン中心で管理しながらAIで質問・要約・検索できることを目的としています。

OpenLiveは、AIエージェント向けの音声・視覚レイヤーを提供するデスクトップアプリです。ローカル環境で音声入力、音声認識、会話の切り替え、音声合成、カメラ/画面共有、バージインを統合し、Claude CodeやCodexなどのコーディングエージェントとも連携できます。

Android向けの画面リアルタイム翻訳アプリです。MediaProjectionやShizukuでスクリーンショットを取得し、端末内/ローカルHTTP/クラウドのOCRで文字認識した後、LLMや機械翻訳で翻訳し、結果を画面上に重ね表示したり音声読み上げしたりできます。ゲーム、漫画、ビジュアルノベルのような画面上テキストの翻訳に特化しています。

Transformers、Diffusers、Sentence Transformers、timm と OpenVINO をつなぐ Intel 向け最適化ライブラリです。モデルを OpenVINO IR へ変換し、推論や量子化（INT8/INT4 など）を通じて Intel CPU/GPU/専用アクセラレータ上で高速化することを目的としています。

audio.cpp は、ggml 上に構築された高性能な C++ ベースの音声推論フレームワークです。TTS、ASR、音声変換、話者分離、VAD、音楽生成などを共通ランタイムで扱い、CLI・サーバー・WebUI からローカル実行できるようにしています。

このリポジトリは、1つのテーマからVox風の紙コラージュ解説・広告動画を自動生成する「agent skill」です。脚本作成、コラージュのキーフレーム生成、モーション付与、音声合成、BGM、字幕焼き込み、ffmpegによる最終合成までをAtlas Cloud APIとローカル環境で一気通貫に実行します。

Nanospeechは、PyTorchとMLXで実装されたシンプルで改造しやすいテキスト読み上げ（TTS）システムです。参照音声サンプルから話者の声を合わせる機能を持ち、事前学習済みの英語モデル、CLI、Gradioデモ、学習用スクリプトを備えています。