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

开源的语音识别和说话人分割模型推理代码

开源的全双工音频生成基础模型

端侧全模态理解开源模型

基于ESP32的AI聊天机器人项目，可实现多语言对话与声纹识别

本地部署的AI语音工具箱，支持语音识别、转录和转换。Easy Voice Toolkit官网入口网址

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

实时浏览器端语音识别应用

将口语转化为优雅文字的AI写作工具，让写作变得轻松自然。

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。

多模态语言模型，融合文本和语音

语音驱动的AI助手，提升工作效率。

将语音转换为博客文章的助手

300行代码实现基于LLM的语音转录。WeST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

开源多模态大型语言模型，支持实时语音输入和流式音频输出。Mini-Omni官网入口网址

语音助手插件，提升GPT交互体验，Voice Assistant Plugin for GPT官网入口网址

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

基于大型语言模型的语音识别技术。

亚马逊全新基础模型理解语气、语调与节奏，提升人机对话自然度。

多模态语音大型语言模型

Phi-4-multimodal-instruct 是微软开发的轻量级多模态基础模型，支持文本、图像和音频输入。

爱解析提供高精度AI音频转文字、视频转文字、录音转文字服务，支持多语言翻译，一键生成会议纪要，准确率高达98%，免费试用！

多模态语音大型语言模型

让Mumble Note将您的会议、任务、想法和快速笔记立即转换为笔记、待办事项和输出。

开源免费的 Wispr Flow 替代方案，为中文用户打造的桌面端语音输入与文本处理工具。

标贝科技-专业AI语音服务的人工智能开放平台，提供语音识别、语音合成、语音拓展、图像标注等人工智能服务，为全行业开发者提供智能语音API接口，智能语音SDK，一站式人工智能语音交互技术方案!，AI语音合成【标贝科技】官网入口网址