基于Llama框架的TTS基础模型，兼容16万小时标记化语音数据。

音刻转录是一款快速、精准、丝滑的音视频转录工具。

Whisper Turbo 是一款免费在线快速准确的语音识别工具。

将文本转换为自然流畅的语音输出

TypeScript客户端，用于OpenAI的实时语音API。

AI技术实现语音转文字和内容总结的应用

Scribe 是全球最准确的语音转文字模型，支持99种语言。

PengChengStarling 是一个基于 icefall 项目的多语言自动语音识别（ASR）模型开发工具包。

将文本转换为逼真语音的在线工具

极速语音识别，精准时间戳

AI语音转文字助手，支持99种语言

Android平台上的私有、设备端语音识别键盘和文字服务

音频指令演示，体验智能交互。Qwen2 Audio Instruct Demo官网入口网址

基于羊驼模型的大型语音生成模型，LlamaVoice官网入口网址

Sesame AI 是一款先进的语音合成平台，能够生成自然对话式语音并具备情感智能。

一款为 Apple Watch 设计的智能语音助手应用，无需手机即可完成多种操作。

LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

通过语音触发Zapier自动化流程。

沟通无界，让每次对话都创造价值。

会议语音转文本并自动生成摘要的AI工具

基于深度学习的高质量文本到语音合成模型

AI驱动的语音听写工具

开源AI语音处理工具包，支持语音增强、分离和目标说话人提取。

高效、多语种的语音合成模型

与任何大型语言模型进行快速的免提语音交互。Open-LLM-VTuber官网入口网址

致力于通过自然语音技术，打造个人语音伴侣和全天候可穿戴轻量级眼镜设备。

开源的工业级普通话自动语音识别模型，支持多种应用场景。

AI语音代理测试与可观测性平台

MiniCPM-o 2.6是一个强大的多模态大型语言模型，适用于视觉、语音和多模态直播。

语音转文字的智能助手

让应用通过语音与文本的转换实现智能交互。

与大型语言模型进行自然的语音对话