LLMVoX

让任意LLM秒变语音助手，流式对话零延迟

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 音频音乐 🍴 复刻 41 🐛 待处理 8 👀 关注 8
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 313
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源模型，可本地部署，完全免费使用。

项目预览

LLMVoX 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队mbzuai-oryx
官网地址https://mbzuai-oryx.github.io/LLMVoX
GitHubhttps://github.com/mbzuai-oryx/LLMVoX
定价模式🏷️完全免费
价格说明开源模型，可本地部署，完全免费使用。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型audio,audiollm,codec,llm,llmvox,mbzuai,mini-omni,multimodal-large-language-models,neural-speech-synthesis,omni,streaming,text-to-speech,transformers,tts,voice-assistant,wavtokenizer
GitHub 星标★ 313
上线时间2025-03-06 00:00:00
代码更新2025-05-16
仓库体积135.5 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

LLMVoX 是一个将任意大型语言模型（LLM）转换为支持流式语音对话的端到端系统。它解决了传统语音助手需要额外语音识别和合成模块、延迟高且交互不自然的问题。核心能力包括：基于自回归编解码器（codec）的语音生成，支持流式输出，能边生成边播放；与主流 LLM 无缝集成，无需修改原模型结构；提供多模态交互能力，让文本模型具备语音输入输出。项目基于 Python 实现，技术栈涉及音频编解码、神经语音合成和多模态大模型，由 MBZUAI 团队开发，目前处于早期阶段，但架构设计清晰，适合研究者和开发者快速集成语音能力到现有 LLM 应用中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 313

核心亮点

  • 与任意LLM无缝集成，无需修改模型结构，即插即用
  • 自回归流式生成，音频延迟低，支持边生成边播放
  • 基于codec的语音编解码，音质自然，且支持多语言扩展

不足之处

  • 项目处于早期阶段，文档和社区支持待观察
  • 依赖特定codec模型，可能对低资源设备不友好

适用场景

  • 将现有文本LLM快速升级为语音助手（如智能音箱、车载助手）
  • 实时语音翻译和同声传译场景
  • 多模态交互应用（如虚拟人、游戏NPC）

替代项目

Mini-Omni、Qwen-Audio、SpeechGPT

上一篇：xcodec

下一篇：wavegrad

同类项目推荐

audiotoken 开源

极速音频转令牌，让音频生成快人一步

Audio tokenization, in the fastest way possible!

★ 56 2026-08-09
ttslab 开源

本地免费测任意TTS模型，快速对比效果

TTSLab is THE place to easily test ANY text to text to speech model on your own pc w···

★ 56 2026-08-09
wyoming-piper-gpu 开源

给 Home Assistant 的 Piper 语音装上 GPU 加速，秒级响应

Wyoming Piper docker container with GPU support for Home-Assistant

★ 57 2026-08-09
Multilingual_Text_to_Speech 开源

一个模型搞定多语言混合语音合成，还能克隆声音

An implementation of Tacotron 2 that supports multilingual experiments with paramete···

★ 843 2026-08-09
GST-Tacotron 开源

给语音合成装上风格旋钮，一句话控制情感语调

A PyTorch implementation of Style Tokens: Unsupervised Style Modeling, Control and T···

★ 374 2026-08-09
piper-rs 开源

在 Rust 中离线合成语音，轻松集成 Piper 模型。

Use piper TTS models in Rust

★ 67 2026-08-09
live-coding-music-mcp 开源

让 Claude 直接写 Strudel 代码，边聊边生成可播放音乐

A Model Context Protocol (MCP) server that gives Claude direct control over Strudel.···

★ 249 2026-10-02
vocal-craft-studio 开源

一键批量克隆声音，生成印地语和英语自然语音

Tuned Hindi & English AI Voice Studio 2026 – Batch Cloning & TTS

★ 122 2026-08-09