语音识别与生成

阿里巴巴通义实验室开发的空间音频生成模型，能够直接从 360° 视频生成空间音频，为虚拟现实和沉浸式娱乐带来了全新的可能性。

一款基于人工智能的在线音乐生成平台，旨在帮助用户通过简单的文本输入或歌词创作，快速生成高质量的原创歌曲。

Play AI 公司推出的开源音频编辑模型，基于先进的扩散模型（diffusion model）构建，专注于提供高效的音频精细编辑与修复功能。

一款面向企业级应用的实时语音活动检测系统，能够提供精准的帧级语音活动检测。

一款结合人工智能技术的演示内容分析和优化平台，专注于提升演讲者的表达表现、幻灯片内容质量以及听众互动效果。

一款先进的在线 AI 语音合成与声音克隆平台，支持多语言文本转语音（TTS）和个性化声音定制。

出门问问（Mobvoi）于 2025 年 5 月 29 日正式发布的一款多模态 AI 服务平台。

一款基于共情大语言模型（eLLM）技术的语音语言模型，能够同时处理文本和语音输入，生成自然、富有表现力的语音响应。

Resemble AI 开发并于 2025 年开源发布的高性能文本转语音（TTS）模型。

一种多模态语音表征模型，旨在通过对比-生成同步策略，学习音频与视觉之间的深层次关联。

一款开源的 AI 图文创作助手，能够将音频和视频内容一键转换为多种风格的文档，如小红书笔记、微信公众号文章、知识笔记、思维导图等。

蚂蚁集团于 2025 年 5 月开源发布的统一多模态大模型，旨在实现文本、图像、音频和视频等多种模态的理解与生成能力。

腾讯混元团队联合腾讯音乐天琴实验室（MuseV）于 2025 年 5 月 28 日发布并开源的语音驱动数字人模型。

法国 AI 实验室 Kyutai 推出的一款高度模块化的语音 AI 系统，旨在为文本大语言模型（LLM）赋予实时语音交互能力。

一款创新的人工智能音乐创作平台，旨在帮助用户通过自然语言描述快速生成原创音乐作品。

ByteDance开发的多模态文档图像解析模型，处理包含文本、表格、图形和公式等交织元素的复杂文档图像而设计。

AI生产力工具，可以整合会议记录、CRM更新、任务规划和日程安排。

将任何网页内容快速转化为超现实的AI生成播客，多语言支持包括中文。

企业级 AI 视频与图像翻译编辑平台。

基于先进深度学习模型的在线 AI 音乐生成平台。

一款专注于高效、多语言、本地化 AI 语音转录与智能笔记工具。

武汉智启特人工智能科技有限公司旗下的一站式 AIGC（人工智能生成内容）行业解决方案平台。

通过高度拟人的语音代理，实现大规模自动化拨号、销售线索筛选与呼叫中心角色扮演训练。

社交媒体多语言AI视频生成工具。

一款基于浏览器的 AI 语音克隆工具。

将任意文字、图像、视频及已有音频输入转化为专业级音乐、音效和配音。

AI“塔子老师”自动拆解、生成幻灯片并配以生动讲解，同时配备互动测验与扩展阅读模块，兼顾趣味性与深度。

预设50万AI角色，进行多模态对话，通过文字、语音和图像等形式共同创作专属剧情。

具备同理心与情感的 AI 对话体验。

融合网页搜索与知识库，支持文本、图像、文档、语音多种输入方式，提供实时对话、多轮交互、图文理解、文档问答及创作辅助等功能，旨在提升个人在工作、学习与生活中的效率与创造力。

自动化转录、AI 助手、多机位切换等功能融入到同一界面，让创作者在文档式界面中轻松完成剪辑、字幕、配乐和特效处理。

一款为Mac用户设计的高效智能生产力工具。

通过实时语音转换技术为用户带来前所未有的互动体验。

AI转录工具，专注于将音频和视频文件快速、准确地转换为文本 。

通过人工智能和机器学习技术提供语音转录和会议生产力工具，帮助用户简化会议流程并提升协作效率。

用户提供个性化、情感丰富的互动体验。

为企业提供云端基础的联系中心软件解决方案。

一款专为播客创作者设计的 Web 端 AI 工具。

可在短时间内根据视频内容自动生成完整版权清晰的原创音轨，并通过逐帧分析实现多层音频的精准同步。

一款集成了全球顶尖AI模型的多功能协作平台，旨在通过多模型协同机制提升用户的工作效率与决策准确性。

一款领先的AI语音平台，专注于超拟真语音合成和瞬时语音克隆技术。

一个领先的 AI 生成式文本转语音（TTS）和语音克隆平台，基于开源的 Fish Speech 模型。

过生成式人工智能技术，提升人宠之间的情感交流和行为理解。

亚马逊推出的创新AI语音模型。

语音克隆与合成功能

Eapy 是一款由 Pozalabs 开发的 AI 音乐平台，专注于帮助音乐创作者轻松推广作品并提升创作效率。它允许用户上传音乐、图像和文本，生成高质量的在线推广页面，吸引唱片公司、A&R 代表和同步代理的注意。

DeepInfra 通过提供无缝、可扩展且经济高效的 AI 推理解决方案，正在改变 AI 景观。其专注于简单性、性能和负担能力，使其成为初创企业和企业的重要选择。

一家中国领先的人工智能公司及其核心产品与技术生态，涵盖公司背景、主要产品（包括文本到视频、图像生成、语音合成等）、技术架构、典型应用场景与商业模式。

Udio 是由前Google DeepMind团队研发的AI音乐生成平台，凭借其强大的文本到音乐的转换能力与开源生态，迅速成为全球音乐创作者的热门工具。用户仅需输入简单的文本描述，即可生成包含人声的高质量音乐作品，覆盖流行、电子、摇滚、古典等数十种风格，并支持多语言歌词创作。