AI音频

语音合成/识别、音乐生成、播客工具类产品

AI写作 38 AI绘画设计 156 AI视频 259 AI音频 81 AI编程开发 1328 AI Agent 1249 AI办公效率 260 AI营销销售 135 AI搜索知识库 219 LLM大模型 304 AI教育 69 AI生活娱乐 149 办公效率 30 内容创作 32 开发编程 249 数据分析 35 设计多媒体 69 AI Agent 136 知识管理 24 商业运营 23 教育学习 13 行业专家 22 生活服务 10

41. MAI-Transcribe-2

## 产品简介 MAI-Transcribe-2 是微软 AI（Microsoft AI）于 2026 年 10 月 1

42. MiniMax Music3

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

43. YuE

**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

44. Lampline

开源自托管语音代理，把 Dialogflow CX 整套搬到你自己的机器

45. Google Gemini 3.5 Transcribe

Google DeepMind推出的新一代语音转写模型，基于Gemini 3 Pro架构

46. LiquidType

# LiquidType — macOS 26 液态玻璃风格 AI 语音输入法 ## 项目简介 LiquidType

47. Bicaption

AI 实时语音翻译工具，为会议、课堂和直播打造双语字幕

48. VoiceStudio

**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

49. MAI-Voice-2.1

## 产品简介 MAI-Voice-2.1 是微软 AI（Microsoft AI）于 2026 年 10 月 1 日发

50. Song Finder

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

51. YazSes

按住说话、松开转文字——全离线、跨平台、键盘截断式语音听写

52. livesub

本地优先的实时双语直播字幕与翻译工具

53. WhisperBar

用语音代替打字，让 AI 帮你读长文

54. Yap

macOS 上快速、私密、开源的语音听写工具

55. CosyVoice Studio

国内首个一站式AI语音生产力平台

56. MAI-Transcribe-2

## 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

57. Stable Audio 3.0

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

58. 以歌 SongReply.art

上传聊天截图，AI 生成一首歌来回复

59. YuE2

前沿音乐生成模型，用符号规划做作曲

60. Yap Voice Typing

在任意网页输入框用语音打字的免费浏览器扩展

61. DubbyJam

超简单的 AI 配音翻译工具，支持角色音色分离

62. Hola AI

会回话的 AI 语音信箱，让每个未接来电都变成有用的对话

63. NVIDIA Magpie TTS Multilingual

开源多语种语音合成：12种语言，B200上32ms首音频延迟

64. WinAirCast

将 Windows 音频无线投送到 AirPlay 设备

65. voxtral-mcp

Apple Silicon 上 Mistral Voxtral 4B TTS MCP 包装

66. 炅图

超好用的AI设计，社媒图文、AI换装、一键P图改图工具

67. StepAudio 3

阶跃星辰语音大模型系列

68. Gemini 3.5 Transcribe

Google推出的新一代智能语音转文字模型，基于Gemini 3 Pro架构，支持实时流式转写（延迟低于1秒）和预录音频

69. Voice-Pro

## 项目简介 Voice-Pro 是由韩国开发者 ABUS 构建的开源 AI 音视频处理工具

70. OSGKeyboard

完全免费、开源、跨平台的 AI 语音输入工具，支持 iPhone、iPad 和 Mac 三个平台

71. AudioReality.ai

## 产品简介 AudioReality.ai 是一项将邮件内容转化为私人播客的服务

72. Cliptate

Mac 端侧 AI 音视频工作台，转写、精剪、配音全本地完成

73. Plainsay

12MB本地Mac听写，Whisper+Parakeet双引擎，离线可用无账户

74. Lokutor

## 产品简介 Lokutor是一家来自西班牙的深度科技初创公司（Pre-Seed 阶段，2025年创立）

75. Openbroca

macOS 原生 AI 语音输入应用，将自然语音实时转化为结构化、流畅的书面文本，插入到当前光标所在位置

76. NVIDIA Nemotron 3 Diarization（8人说话人分离模型）

# NVIDIA Nemotron 3 Diarization（说话人分离模型） ## 产品简介 Nemotron

77. Demades

AI 内容生成平台，专注于将任意主题快速转化为 60 秒的播客片段

78. Lyria 3.5

## 产品简介 Lyria 3.5 是 Google DeepMind 于 2026 年 9 月推出的最新音乐生成模型

79. Onepin

Onepin

80. VoiceCloner

免费AI声音克隆工具，上传30秒语音即可创建私人声音档案