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。

基于LLM的智能字幕助手，一键生成高质量视频字幕

开源的全双工音频生成基础模型

端到端中英语音对话模型

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

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。

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。

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

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。

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

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

智能语音分析，提升零售客户服务体验。Encounter AI Advisor官网入口网址

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

AI驱动的个人电脑助手，PC Agent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

实时浏览器端语音识别应用

下一代语音AI，提供卓越的音频数据处理能力。

多模态语音大型语言模型

多模态语音大型语言模型

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。

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。