语音识别与生成

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。

一款专业的 AI 音频处理工具，以免费使用、一键人声分离和伴奏提取闻名，支持多格式上传，适合音乐爱好者、内容创作者和音频剪辑者使用，在线体验无门槛，更高效地处理音频素材。

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。

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。

AI在线视频创作与编辑平台。

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。

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。

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。

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 。

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。

Suno, Inc.开发的AI音乐创作平台

智声云配（DubbingX）是一款由智声悦合（杭州）科技推出的 AI 配音与音色克隆平台，支持多语言、多情绪、歌声转换及 API 集成，适用于有声书、游戏、广告、虚拟人等场景，为 AI 用户提供高拟真可商用配音解决方案。

AI PPT Maker 为需要快速制作专业演示文稿的用户提供了一个高效、易用的解决方案。

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。

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。

语音克隆与合成功能

一款基于浏览器的 AI 语音克隆工具。

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。

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。

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。

​Mureka是一款先进的人工智能音乐生成平台，旨在帮助用户将歌词和提示转化为完整制作的歌曲，且生成的音乐均为无限制且免版税。

用户提供个性化、情感丰富的互动体验。

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。

Qwen-TTS 是阿里云通义千问系列的高保真中英文语音合成模型，支持标准普通话、三种中文方言（北京话、上海话、四川话）及七种中英双语音色，通过流式输出实现快速、高质量语音生成。

基于先进深度学习模型的在线 AI 音乐生成平台。

BytePlus是字节跳动旗下 AI 平台，为开发者和企业提供图像生成、语音识别、推荐系统、增强现实等一站式 AI 能力，适合 AI 工具使用者构建复杂智能应用。

亚马逊推出的创新AI语音模型。

一款先进的零样本 AI 播客生成工具，能够直接从纯文本输入中生成自然流畅的播客语音内容。

咔皮记账是商汤科技推出的 AI 原生记账与财务管理工具，具备自动语音记账、AI 财务分析、多账本支持、智能预算与情感手账等功能，上线半年即突破百万用户，深受年轻群体喜爱。

通过实时语音转换技术为用户带来前所未有的互动体验。

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。

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。

一款为Mac用户设计的高效智能生产力工具。

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。

Google Arts & Culture 与英国国家美术馆（The National Gallery）合作推出的一款互动式 AI 实验项目。

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。

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。

Higgs Audio V2 是 Boson AI 发布的开源音频大语言模型，基于 1000 万小时语音数据训练，支持多说话人对话、情感语音、多语言语音生成，适合 AI 工具使用者构建语音 Agent 和音频应用。

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。

这是一家专注于AI语音合成技术的初创公司，可以创建不同语言、口音和情感的合成语音。

企业级 AI 视频与图像翻译编辑平台。

社交媒体多语言AI视频生成工具。

Twocast 是一款 AI 驱动的双人播客生成平台，支持从文章、网址或文档快速生成 3–9 分钟的 AI 对话播客，拥有多语言、多音色支持及下载功能，是内容创作者、教育者与营销人员的高效音频工具。

具备同理心与情感的 AI 对话体验。

探索“千音漫语”智能声音创作平台：从配音、翻译、声音克隆到语音识别，揭开其架构与应用秘密，助力 AI 用户构建高效多语种音视频创作流程。

LeVo 是由清华、大氪 AI Labs 联合开发的高保真音乐生成框架，支持歌词转歌、声乐与伴奏融合、DPO 多偏好对齐，适用于音乐创作、音频生成领域的 AI 工具用户。

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。