Spark-TTS 是一种基于大语言模型的高效单流解耦语音合成模型。

Scribe 是全球最准确的语音转文字模型，支持99种语言。

一个提供语音克隆和AI语音内容创作的平台。

Soro是将会议语音自动转文字的AI会议记录助手。

AI驱动的语音听写工具

Android平台上的私有、设备端语音识别键盘和文字服务

领先的语音数据隐私解决方案

基于LLM的智能字幕助手，一键生成高质量视频字幕

前沿AI研究和产品公司，推动通信未来。Gan.AI官网入口网址

个性化AI助手，记录每一刻，与AI对话获取反馈。Omi AI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。

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。

精确到词级的自动语音识别模型

将任何PDF文档转换成播客节目。

声音AI分析工具，优化语音助手性能

AI技术实现语音转文字和内容总结的应用

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

个性化语音克隆工具，实现自然语音生成。ChatTTS-OpenVoice官网入口网址

AI驱动的个人电脑助手，PC Agent官网入口网址

免费的 AI 播客生成工具，支持多种格式文件。

GGAssist提供AI游戏伙伴、AI语音变声等广泛的AI游戏工具。

FoloUp 是一个用于招聘的 AI 驱动语音面试平台。

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。

一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。

将文本转换为逼真语音的在线工具

实验室数字化助手，提升科研效率。

轻量级端到端文本到语音模型

实时语音和视频AI平台

使用Llama模型的语音合成工具

开源的语音识别和说话人分割模型推理代码

使用OpenAI实时API与文档进行语音聊天