AI音频

Whisper Live Kit WLK

自托管的超低延迟实时语音转写工具包，兼容 OpenAI REST、Deepgram WebSocket 与原生流式接口

Gemini 3.1 Flash TTS Google

Google推出的新一代文本转语音模型，支持70+语言和音频标签导演级控制

Whisper OpenAI

OpenAI 开源通用语音识别模型，MIT 许可，支持 99+ 种语言的转写与翻译

FunASR Tongyi Lab

阿里通义实验室开源的工业级语音识别工具包，50+语言170x实时率、私有化部署

Voicery Voicery

高质量AI语音合成服务，提供自然逼真的文字转语音能力

Voicemod Voicemod

实时AI变声工具，支持游戏、直播和社交场景的语音趣味化处理

Fun-CosyVoice 3.5 FunAudioLLM

阿里通义实验室FunAudioLLM团队推出的多语种语音生成模型，支持FreeStyle自然语言指令控制与零样本语音克隆

Fun-ASR-Realtime Alibaba Cloud

阿里千问推出的流式实时语音识别大模型，支持16种方言和30种语言实时识别

Voicebox Meta

Meta 研究团队提出的通用语音生成模型，核心卖点是零样本、多任务和更快推理

Fun Asr Fun-ASR

通义实验室开源的端到端语音识别大模型，支持中文方言与31种语言

Typecast Typecast

710+ AI语音角色 + SSFM 语音合成模型——最有表现力的AI语音平台

Fish Audio Fish

主打情感表现力的文本转语音与语音克隆平台，背后有开源 Fish-Speech 模型