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

将文本转换为逼真语音的在线工具

将文本转换为自然流畅的语音输出

高精度视频唇形同步技术

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。

基于Llama框架的TTS基础模型，兼容16万小时标记化语音数据。

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。

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。

LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

实验室数字化助手，提升科研效率。

极速语音识别，精准时间戳

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

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

开源、注重隐私的语音助手

基于OpenAI Whisper的自动语音识别与说话人分割，whisper-diarization官网入口网址

最新多模态检查点，提升语音理解能力。Llama3-s v0.2官网入口网址

Alexa+ 是亚马逊推出的下一代智能语音助手，通过生成式 AI 提供更智能、个性化的服务。

工业级可控高效的零样本文本到语音系统

Scribe 是全球最准确的语音转文字模型，支持99种语言。

为酒店提供多语言AI语音代理，提升客户体验并降低运营成本。

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。

开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

Whisper Input 是一个通过按键控制语音录制并快速转译的工具。

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。

通过语音触发Zapier自动化流程。

语音转文字的智能助手

个性化AI唤醒服务，助你早起。

与大型语言模型进行自然的语音对话