语音合成/识别、音乐生成、播客工具类产品
MIDI驱动AI生成的数字音频工作站
## 技能简介 在视频和播客制作中，音频质量直接决定内容是否专业
免费在线语音听写，本地识别99种语言
4.7亿参数实现12,600 RTFx吞吐量，一秒转录3.5小时音频的极速语音识别模型
在线播放 DSS/DS2 录音文件，无需上传本地处理
QWERTY MIDI是由开发者Pedro Tacla Yamada创建的实验性AI辅助项目，通过同构键盘布局将普…
本地 AI 语音克隆与视频配音开源工具
开源可自托管的语音 AI 平台，Vapi/Retell 的开源替代方案
Hear Claude's Replies Instead of Reading
免费把音视频转成文字和字幕，文件不上传
无需注册，用文字或歌词生成完整歌曲
可自托管的开源语音 AI 平台，敏感对话全程留在自有基础设施
免费 AI 语音内容创作平台
## 产品简介 MAI-Transcribe-2 是微软 AI（Microsoft AI）于 2026 年 10 月 1
上海人工智能公司 MiniMax 于 2026 年 8 月 14 日发布的全新音乐生成大模型
**YuE — 开源前沿音乐生成模型，用符号规划实现可编辑的歌曲创作** **项目简介** YuE 是由 multi
开源自托管语音代理，把 Dialogflow CX 整套搬到你自己的机器
Google DeepMind推出的新一代语音转写模型，基于Gemini 3 Pro架构
# LiquidType — macOS 26 液态玻璃风格 AI 语音输入法 ## 项目简介 LiquidType
AI 实时语音翻译工具，为会议、课堂和直播打造双语字幕
**产品简介** VoiceStudio 是一款完全本地化运行的开源语音合成与语音克隆工具
## 产品简介 MAI-Voice-2.1 是微软 AI（Microsoft AI）于 2026 年 10 月 1 日发
完全免费的在线音乐识别与音频处理工具，无需注册即可使用
按住说话、松开转文字——全离线、跨平台、键盘截断式语音听写
本地优先的实时双语直播字幕与翻译工具
用语音代替打字，让 AI 帮你读长文
macOS 上快速、私密、开源的语音听写工具
国内首个一站式AI语音生产力平台
## 产品简介 MAI-Transcribe-2 是微软 AI 部门于 2026 年 9 月 3 日正式发布的 AI
Stability AI 开源音频生成模型系列 — 端侧也能生成 6 分钟完整乐曲
上传聊天截图，AI 生成一首歌来回复
前沿音乐生成模型，用符号规划做作曲
在任意网页输入框用语音打字的免费浏览器扩展
超简单的 AI 配音翻译工具，支持角色音色分离
会回话的 AI 语音信箱，让每个未接来电都变成有用的对话
开源多语种语音合成：12种语言，B200上32ms首音频延迟
将 Windows 音频无线投送到 AirPlay 设备
Apple Silicon 上 Mistral Voxtral 4B TTS MCP 包装
