豆包大模型是字节跳动推出的AI大模型家族，包括 豆包PixelDance、豆包Seaweed 视频生成、文生图、图生图、同声传译、角色扮演、语音合成、声音复刻、语音识别、Function Call和向量化等多个模型。豆包大模型具备强大的语言理解、生成和逻辑能力，能进行个性化创作、情绪丰富的语音合成、高精度语音识别、多风格图像生成和顶级的视频生成。

智能语音旗舰应用，无障碍语言记录与交流。汉王语音王官网入口网址

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

Dexa AI 是AI播客搜索工具，基于先进的索引技术，为用户在众多播客中快速找到所需内容。用户可向特定主播提问或搜索跨节目话题，结果以 AI 总结形式呈现，并提供时间戳链接。Dexa AI 致力于提升播客内容的可访问性。

DuRT 是一款 macOS 上的实时语音识别和翻译软件，致力于提供高效、准确的语音处理服务。

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。

构建高级语音AI，由LLM提供支持，实现人类般的交互体验。

极速语音识别，精准时间戳

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

AI代理测试和评估平台

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

Santa 2023是一款多功能的智能设备，集成了语音识别、图像识别、智能推荐等多种功能，为用户提供了全方位的智能体验，沃研Turbo大模型官网入口网址

Scribe 是全球最准确的语音转文字模型，支持99种语言。

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。

与大型语言模型进行自然的语音对话

沟通无界，让每次对话都创造价值。

情感丰富的多模态语言模型

会议语音转文本并自动生成摘要的AI工具

多模态语言模型，融合文本和语音

端侧全模态理解开源模型

多模态语音大型语言模型

端到端中英语音对话模型

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。

Whisper Turbo 是一款免费在线快速准确的语音识别工具。

打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片，寒武纪官网入口网址

通过语音识别、图片识别、大语言模型等技术，帮助医生自动生成病历，提升病历书写效率和质量，同时保护患者隐私，全诊通Aioclinic官网入口网址

让应用通过语音与文本的转换实现智能交互。

基于大型语言模型的语音识别技术。

开源的语音识别和说话人分割模型推理代码

AI驱动的语音笔记应用，将语音转换为有组织的摘要和清晰的行动项。