AI语音合成

一个可以自己托管的 Whisper 解决方案，服务端是 Python，客户端是 JS，基于 WebSocket 实时通信，可以做到语音的实时传输和文本转换。

Mac 上的一个多模态 AI 助手，能支持语音和截图，借助 GPT-4V 的多模态能力，可以基于当前屏幕截图和指令可以回复问题。

Typeless是创新的AI语音输入工具，专为提升工作效率和表达流畅性设计。能实时将语音转换为精准的文本，自动去除“嗯”“呃”等填充词和重复内容，转录文本简洁、专业。

AnyGen是字节跳动推出的AI办公智能体，通过语音输入和AI技术提升办公效率。用户长按录音按钮即可将语音快速转为文字，支持添加照片、截图和链接，避免了传统记录后的繁琐整理。

云幕同声是新一代原声级专业AI视频翻译工具，适合短剧出海、跨境电商等领域。98%还原音色的AI声音克隆、精准的音画同步算法以及AI人声分离模型，能完整保留背景音乐和情感细节，让翻译后的视频与原版一样自然。

秒言AI语音输入法是智能AI语音输入工具，支持 Windows 和 macOS 系统，可在任意文本输入应用中使用，无需切换软件。通过自定义快捷键快速唤醒语音输入状态，语音内容经识别处理后，能自动插入当前输入框，无需手动整理。

Keevx声音克隆是Keevx推出的AI声音克隆工具，能迅速生成与用户音色相似的声音副本。用户只需上传一段音频或视频，能分析克隆出用户的声音特征。Keevx声音克隆支持多语言切换，声音能真实传达语气和情感，适用广告营销、教师讲座等多种场景。

Gank Interview 是AI智能面试助手，专为笔试和面试设计的 AI 桌面应用程序。Gank Interview支持截屏模式和语音模式，能快速生成笔试答案或实时识别面试官问题并提供解答。

听脑AI是一款AI智能语音助手，专注于语音转文本和实时录音总结，提供音视频转文字、实时录音转文本、AI总结、章节速览等功能。用户可以通过自由拖动文本查看音视频进度，享受便捷的智能记录体验。

Wondercraft是一款多功能的AI音频内容创作平台，通过生成式AI语音技术，允许用户将文本内容迅速转化为播客、有声书、广告等多种音频形式。

Supertone Shift是由韩国的AI音频初创公司Supertone推出的一款AI驱动的实时语音变换软件，通过先进的人工智能技术，让用户能够迅速切换并个性化定制多种高品质声音。

Deepgram是一个提供先进的AI语音识别和自然语言处理技术的平台，核心产品是强大的语音到文本（Speech-to-Text）和文本到语音（Text-to-Speech）API，让开发者能够快速将语音转录和理解功能集成到他们自己的应用程序和服务中。

Le Chat 是 Mistral 推出的多功能 AI 对话聊天助手，能提升用户的工作效率和生活质量。Le Chat 具备强大的多语言对话能力，支持语音输入和自然语言理解。Le Chat 提供深度研究功能，能快速生成复杂主题的结构化报告。

Audiobox是Meta推出的免费AI语音和声音生成模型，能结合语音输入和自然语言文本提示生成语音和音效。模型包含Audiobox Speech（专注语音生成）和Audiobox Sound（专注音效生成）等专业模型，底层基于共享的自监督模型Audiobox SSL。

大饼AI变声（Dubbing.tech）是一款功能强大、免费专业的实时语音变声软件，是国内首款基于AI深度学习的声音引擎，并且支持全场景切入，兼容和支持多种游戏以及语音客户端。大饼AI变声的音色丰富，有数百种音色可供选择，每期提供免费的变声音色。除了实时变声，大饼声音引擎SaaS版还提供了文字转语音、声音克隆、声音定制、声音转换等功能，全方位地满足对多元声音的需求。