AnySpeechRecognizer
面向 Swift 开发者的语音识别接口，统一接入 Apple、Parakeet 与 Qwen3-ASR，并支持说话人分离。
排序
Rime Prism
面向企业实时通话的语音模型，让回复在说出口前保留文字检查环节。
Phonon
Gradium 推出的轻量本地语音合成模型，可在设备端生成语音，需区分不同模型的语言和许可。
Memo AI
把课程、访谈和播客整理成可检索文字、双语字幕与学习笔记的桌面工具。
MusicBuddy
腾讯音乐2026年推出的面向音乐人的全链路AI智能创作平台，为音乐人提供全生命周期的创作服务。
CosyVoice
阿里开源的语音大模型，支持3秒零样本克隆、多语种及指令情感控制，实现150ms超低延迟流式合成。
VidMuse
Sand.ai 推出的一款AI视频创作平台，它通过智能 Agent 将简单的创意想法和音乐自动转化为包含脚本、分镜、配音和画面的完整专业视频。
Voxtral TTS
Mistral AI 推出的开源低延迟文本转语音模型，支持跨语言音色克隆，延迟低至 70ms，可边缘部署。
Lyria 3 Pro
谷歌推出的 AI 音乐生成工具，支持 3 分钟长音频创作、多模态输入，版权合规且音质高，满足全场景音乐创作需求。
PrismAudio
阿里推出的视频生成音频框架，通过“思维链+强化学习”技术实现音画高度同步，可高效生成环境音效，适用于影视、游戏、短视频等多场景创作。
AudioPod AI
AI音频创作神器，语音克隆、降噪翻译一键搞定，3分钟生成专业内容，支持21语种，轻松实现全球化传播。
BeFreed
一款利用 AI 技术提供个性化音频学习内容、支持实时答疑与智能推荐、能高效利用碎片时间助力知识获取的智能学习工具。
SAM Audio
Meta推出的全球首款支持文本、视觉、时间提示的统一多模态音频分离模型，可精准从复杂音视频中分离目标声音。
Voquill
开源语音输入工具，支持多语言与智能文本优化，能将输入效率提升数倍，兼顾本地隐私与云端便捷，高效办公人群的得力助手。
SongBloom
腾讯AI Lab等联合研发的开源歌曲生成模型，10秒音频+歌词秒变2分30秒高质音乐，媲美商业水准。
UntitledPen
基于AI技术的全功能创作平台，集成智能写作、多语言语音生成与音频编辑，助力用户高效完成文本创作、语音定制及后期制作的一站式解决方案。
Meloflow
一款AI驱动的音乐生成平台，支持从文字、歌词或音频生成、扩展、翻唱并添加轨道，快速创作可商用的原创音乐。
Qwen3-ASR-Flash
阿里巴巴推出的多语言高精度语音识别模型，支持复杂场景、方言与歌声转写，并可结合上下文智能定制识别。
Roark AI
专为语音AI系统设计的质量保证和可观测性工具，提供自动化测试、实时监控和智能反馈，确保语音AI的高质量输出和稳定运行。
MAI-Voice-1
微软推出的高效语音生成模型，能在秒级生成自然流畅的高保真音频，已应用于新闻播报、播客和 Copilot 语音交互等场景。
TemPolor
AI音乐生成平台，支持文本、音频、图像或视频输入，一键生成无版权、可商用的多风格原创音乐，适合创作者与开发者高效创作与集成。
KittenTTS
一款小于 25 MB、可在普通 CPU 实时运行的开源轻量级文本转语音模型，支持多种自然音色并可离线使用。
AnyVoice
一款只需 3 秒音频即可生成高逼真、多语言语音克隆的 AI 工具，助力内容创作者快速配音与个性化表达。
Mozart AI
一款利用AI技术将图像、文本或语音转化为个性化音乐的创新型应用，让音乐创作变得简单且富有创意。
VoiSpark
AI语音生成工具，支持文本转语音、语音克隆与变声，助力高质量语音内容创作。
Vocloner
AI语音克隆工具，支持快速生成逼真个性化语音，适用于内容创作、语言学习及趣味娱乐等多场景，助力用户高效产出高质量语音内容。
AiMakeSong
零门槛AI音乐创作工具，让你只需输入文字或歌词，就能生成高质量、可商用的原创歌曲。
Lyria 2
谷歌DeepMind推出的AI音乐引擎，以全模态生成与实时交互能力，革新专业级音乐创作流程。
Image to Music
结合先进图像识别技术的AI音乐创作工具，可将用户上传的图像转化为多种风格的音乐作品。
Transkriptor
自动转录与翻译功能的 AI 工具，支持超 100 种语言，适用于会议、课程等多场景，以简洁界面和高效处理提升用户协作效率。
简体中文 
English