OpenLess #001
一个开源 AI 语音输入工具，支持通过全局快捷键进行语音录入，并自动将口语内容整理为更适合书写、聊天或 AI Prompt 使用的文本。
Realtime TTS-2 #002
Inworld AI 推出的实时语音合成模型（Realtime Text-to-Speech），主要面向 AI 语音助手、游戏 NPC、虚拟人、客服与实时语音交互场景。
Violin，牛津大学研究人员 Kevin Lin 开源的 AI 视频翻译项目 #003
从原始视频中提取语音、生成目标语言音频，并尽量保持说话者的声音风格与视频同步效果，适合 AI 视频本地化与多语言内容生产场景。
VibeVoice-ASR #004
VibeVoice-ASR 是微软开源的一体化自动语音识别（ASR）模型，支持单次处理最长约 60 分钟连续音频，并输出包含说话者标识、时间戳与转录文本的结构化结果，适用于会议、讲座、播客等长音频语音识别场景。
VoiceSculptor #005
VoiceSculptor 是一个由 ASLP-lab 开源发布的指令驱动语音合成（Instruct TTS）系统，基于 LLaSA 与 CosyVoice2 支持自然语言描述控制音色、语速、音调、情感等属性，并可用于...
NeverCap #006
一款提供“真正 无限”AI 音频与视频转录服务的平台。
Spokenly #007
Spokenly 是一款适用于 macOS / iOS 的智能语音听写与语音-驱动输入工具，支持 100+ 语言、离线转写与云服务、实时语音转文字、AI 文本润色、语音命令控制，适合写作、会议记录、聊天、编程、文档编辑...
StepAudio R1 #008
StepAudio R1 是首个真正能对音频进行“Chain-of-Thought（CoT）推理 / 深度分析”的开源音频语言模型，支持对说话、音乐、环境音进行理解、推理与分析，适合开发者、研究者、内容创作者用于音频理...
小凹语音输入法 #009
“小凹语音输入法” 是由 智谱 AI 推出的智能语音转写工具，支持高准确率语音识别、多场景语音输入与自动润色，帮助用户显著提升写作 /输入效率。
聆音EchoCare #010
聆音EchoCare是一款融合人工智能、声音识别与健康管理技术的智能照护平台，专注于老年人、慢性病患者与居家照护场景。
字节跳动Seed #011
Seed LiveInterpret 2.0 是字节跳动 Seed 团队推出的端到端双向中英文语音同传模型，支持零样本声音克隆、超低延迟（约 2–3 秒）实时翻译，适用于 AI 工具使用者与跨语言交流场景。
Mozart AI #012
Mozart AI 是首个AI 驱动的数字音频工作站（DAW），通过自然语言或语音交互生成和编辑音乐元素，提供协助式创作流程，适合 AI 工具使用者和音乐创作者快速落地灵感。
MakeSong #013
MakeSong 是一款AI歌曲生成器，支持将文本或歌词快速转化为专业级、可商用的 AI 歌曲，适合 AI 工具使用者进行视频背景音乐、社交媒体内容创作与音乐原型制作。
千音漫语 #014
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。
ThinkSound #015
ThinkSound 是一款基于 Chain-of-Thought 推理的多模态音频生成与编辑框架，支持任意模态输入（视频、文本、音频），可交互地为视频生成高质 Foley 声音、定向对象声音细化和自然语言音频编辑，适...
智声云配 #016
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。
