产品库

使用自得语音技术，创造属于你的角色

自得语音技术可通过简单的步骤创造出属于你的角色。类似GPT，可生成与真人无异的语音片段，在情感、音色和语速等方面与真人一致。自得语音支持快速定制角色，只需要上传一段语音即可立即生成属于你的语音角色。无需下载软件，可在浏览器上完成语音生成。同时提供API接口，方便开发者集成到自己的产品中。商用用户可享受7x24小时的技术支持。

与名人AI人物进行语音对话

MeslAI是一个能够让用户与各种AI人物进行语音对话的平台。用户可以与思想家、政治家、科学家等进行沉浸式对话，提问、寻求建议和探索有趣的话题。MeslAI提供真实的交流体验，个性化的互动以及逼真的语音复制。用户可以根据使用时间灵活付费。

语音转文字,支持实时语音识别、录音文件识别等

腾讯云语音识别(ASR)为开发者提供语音转文字服务的最佳体验。语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求。技术先进,性价比高,多语种支持,适用于客服、会议、法庭等多场景。

自然对话场景下的文字转语音模型

ChatTTS是一个为对话场景设计的声音生成模型，特别适用于大型语言模型助手的对话任务，以及对话式音频和视频介绍等应用。它支持中英文，通过使用约10万小时的中英文数据训练，展现出高质量和自然度的语音合成能力。

端到端中英语音对话模型

GLM-4-Voice是由清华大学团队开发的端到端语音模型，能够直接理解和生成中英文语音，进行实时语音对话。它通过先进的语音识别和合成技术，实现了语音到文本再到语音的无缝转换，具备低延迟和高智商的对话能力。该模型在语音模态下的智商和合成表现力上进行了优化，适用于需要实时语音交互的场景。

提供语音识别、语音合成等语音AI能力

依图语音开放平台为开发者提供语音识别、语音合成等语音AI能力,包括精准语音转文本、文本转语音合成、声纹识别、语音增强降噪等服务,支持不同场景下的语音交互应用开发。平台提供高效、灵活的语音AI能力接入方式,可轻松将语音技术应用于各类产品与业务场景。

百度 UNIT 是一款领先的智能对话管理平台，助力企业定制专业、可控、稳定的对话系统。

百度 UNIT 搭载业界领先的对话理解和对话管理技术，提供灵活运营管理工具和可视化会话流程配置，助力企业智能化升级实现降本增效。

语音聊天和文字聊天的社交平台

AiFy是一个语音聊天和文字聊天的社交平台。它提供了免费的语音和文字聊天功能，用户可以与其他人进行实时交流。AiFy还具有各种聊天室和频道，用户可以加入他们感兴趣的话题和社区。AiFy是一个开放的社交平台，欢迎所有人加入和参与。

与AI角色进行无缝双向语音对话

Character Calls是Character.AI社区推出的一款应用，旨在通过无缝的双向语音对话功能，让用户与他们喜爱的角色进行互动，就像与朋友通话一样。这项服务完全免费，支持多种语言，包括英语、西班牙语、葡萄牙语、俄语、韩语、日语、中文等。它代表了Character.AI在提升用户与角色互动方式、地点和时间上的一个重大里程碑。

智能设计，一键生成社交媒体图片封面

社交媒体图片生成器是uBrand品牌创意工作室推出的一款在线设计工具，它能够帮助用户快速生成适合社交媒体的图片封面。该工具利用人工智能技术，简化了设计流程，提高了设计效率，使得即使是设计新手也能轻松制作出专业水准的图片。

全端到端的类人语音对话模型

SpeechGPT2是由复旦大学计算机科学学院开发的端到端语音对话语言模型，能够感知并表达情感，并根据上下文和人类指令以多种风格提供合适的语音响应。该模型采用超低比特率语音编解码器（750bps），模拟语义和声学信息，并通过多输入多输出语言模型（MIMO-LM）进行初始化。目前，SpeechGPT2还是一个基于轮次的对话系统，正在开发全双工实时版本，并已取得一些有希望的进展。尽管受限于计算和数据资源，SpeechGPT2在语音理解的噪声鲁棒性和语音生成的音质稳定性方面仍有不足，计划未来开源技术报告、代码和模型权重。

智能语音旗舰应用，无障碍语言记录与交流。

汉王语音王App是汉王科技基于自研多模态天地大模型，自主研发的智能语音旗舰应用。它集AI语音记录、智能翻译与同声传译于一体，支持AI精准转写、拍录同步、话稿整理、智能总结及不间断实时翻译等功能。依托全栈AI技术，汉王语音王致力于帮助用户跨越语言障碍，提高办公、学习、会议、旅游等场景的效率和便捷性。

让应用通过语音与文本的转换实现智能交互。

Azure 认知服务语音是微软推出的一款语音识别与合成服务，支持超过100种语言和方言的语音转文本和文本转语音功能。它通过创建可处理特定术语、背景噪音和重音的自定义语音模型，提高听录的准确度。此外，该服务还支持实时语音转文本、语音翻译、文本转语音等功能，适用于多种商业场景，如字幕生成、通话后听录分析、视频翻译等。

一款集成AI技术的智能对话系统，提供多语言翻译、编程代码生成等功能。

ChatMIX智能对话-AIGC系统是一款利用人工智能技术构建的在线聊天系统，旨在通过AI技术提升用户交互体验。产品支持智能翻译、工作周报生成、编程代码编写等功能，满足用户在不同场景下的需求。它的优势在于能够快速响应用户指令，提供准确、高效的服务，同时具备良好的用户界面和操作体验。

沟通氛围更好，再也不会感到孤单。

Airchat 是一款能够提供有意义对话的应用。它结合了语音和 Twitter 的特点，让你随时随地加入、参与、享受或旁听精彩的聚会对话。不再感到孤单，与新朋友和老朋友连接在一起，与志同道合的人一起畅谈。它是现代社交咖啡馆，可以变得如此宽广或如此狭小。

一款支持中英文的对话语音合成模型。

MOSS-TTSD 是一个开源的双语对话合成模型，支持自然、富有表现力的语音生成。它能将对话脚本转换为高质量的语音，适用于播客制作和 AI 对话应用。该模型的特点包括零 - shot 语音克隆和长时间语音生成，具有高度的表达力和真实感。MOSS-TTSD 的训练基础包括大规模的语言数据和语音数据，确保了生成语音的自然性与准确性。该技术适合商业化使用，并且完全开源。

将文本转换为自然流畅的语音输出

文本转语音技术是一种将文本信息转换为语音的技术，广泛应用于辅助阅读、语音助手、有声读物制作等领域。它通过模拟人类语音，提高了信息获取的便捷性，尤其对视力障碍者或在无法使用眼睛阅读的情况下非常有帮助。

Azure AI Studio提供的语音服务

Azure AI Studio是微软Azure提供的一套人工智能服务，其中包括语音服务。这些服务可能包括语音识别、语音合成、语音翻译等功能，帮助开发者在他们的应用程序中集成语音相关的智能功能。

自然对话生成语音AI

Speaking AI是一款使用先进的大语言模型技术实现的文本到语音转换工具，能够以自然的情感进行对话并实现零样本语音克隆。它可以捕捉你独特的音调、音高和调节，让你以前所未有的方式复制和利用自己的声音。Speaking AI通过先进的技术实现了声音克隆的突破，让语音克隆听起来更加自然。使用Speaking AI，你可以通过录制自己的声音，在短短10秒钟内进行克隆。我们致力于将最先进的AI技术用于推动人类进步，特别是在促进语音克隆技术的发展和应用方面。

为开发者构建人类般的对话语音AI

Retell AI是一个能够帮助开发者在一天内构建人类般对话语音AI的API。它具有大约800毫秒的响应时间，并能够处理中断。使用Retell AI，您可以体验到与真实对话一样自然和流畅的交互。

Step-Audio是一个开源智能语音交互框架，支持多语言对话、情感语调和语音克隆等功能。

Step-Audio是首个生产级开源智能语音交互框架，整合了语音理解与生成能力，支持多语言对话、情感语调、方言、语速和韵律风格控制。其核心技术包括130B参数多模态模型、生成式数据引擎、精细语音控制和增强智能。该框架通过开源模型和工具，推动智能语音交互技术的发展，适用于多种语音应用场景。

强化 ChatGPT，加入语音控制和文本转语音功能

ChatGPT Voice Assistant是一款增强版的ChatGPT插件，集成了语音控制和文本转语音功能。该插件允许您通过录音按钮捕捉和发送语音查询给ChatGPT，省去了打字的必要性。AI的回答会通过语音播放，确保无缝的听觉交互。这样，您可以轻松地与智能对话伙伴互动，并探索先进AI的能力。 特点： - 捕捉语音输入并发送给ChatGPT - 回答会通过语音播放（如果您喜欢阅读，可以关闭语音播放） - 支持多种语言 - 通过点击麦克风按钮或按住空格键来捕捉语音 - 重复播放语音回答 ChatGPT Voice Assistant使用浏览器的本地语音识别功能。请确保在提示时授予麦克风权限。

百聆是一个类似GPT-4o的语音对话机器人，通过ASR+LLM+TTS实现，低配置也可运行，支持打断。

百聆是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。该项目结合了语音识别(ASR)、语音活动检测(VAD)、大语言模型(LLM)和语音合成(TTS)技术，提供高质量的语音对话体验。其主要优点是无需GPU即可实现类GPT-4o的对话效果，适用于各种边缘设备和低资源环境。百聆完全开源，鼓励社区贡献与二次开发，用户可以根据自己的需求进行定制和优化。

通过语音对话与AI进行调查，重新定义调查体验。

Vocads是一款通过语音对话与AI进行调查的产品，帮助企业获取真实、真诚和完整的客户反馈。通过快速填写调查问卷，收集更丰富的数据，帮助企业更好地调整策略和保留客户。Vocads提供全面的功能和优势，定价灵活，适用于各种不同的行业和场景。

沟通无界，让每次对话都创造价值。

心辰Lingo语音大模型是一款先进的人工智能语音模型，专注于提供高效、准确的语音识别和处理服务。它能够理解并处理自然语言，使得人机交互更加流畅和自然。该模型背后依托西湖心辰强大的AI技术，致力于在各种场景下提供高质量的语音交互体验。

智能语音助手

小时AI是一款智能语音助手，通过语音指令帮助用户提高生产力。它具有语音识别、语音合成、智能对话等功能，可以帮助用户完成日常任务，如提醒日程、查询天气、发送短信等。小时AI定价灵活，提供免费和付费版本，适用于个人和企业用户。它定位于成为用户的私人助手，为用户提供高效便捷的语音交互体验。

与chatGPT对话的Chrome扩展

Talk with chat gpt是一个Chrome扩展，允许您与chatGPT进行对话。您可以通过录音或点击按钮向chatGPT发送语音或文本消息，chatGPT会以文本形式回答您。这个扩展适合练习口语和听力。

个人智能语音助手,你的随身伴侣

r1是一款个人智能语音助手,采用自然语言交互,提供个性化操作系统,让用户像对待朋友一样与其交流。它具有语音识别、人机对话、个性化推荐等人工智能技术,能帮助用户更高效地处理日常事务,是用户的好帮手。

语音驱动的对话头像生成

GAIA旨在从语音和单个肖像图像合成自然的对话视频。我们引入了GAIA（Avatar的生成AI），它消除了对话头像生成中的领域先验。GAIA分为两个阶段：1）将每帧分解为运动和外观表示；2）在语音和参考肖像图像的条件下生成运动序列。我们收集了大规模高质量的对话头像数据集，并在不同规模上对模型进行了训练。实验结果验证了GAIA的优越性、可扩展性和灵活性。方法包括变分自动编码器（VAE）和扩散模型。扩散模型被优化为在语音序列和视频片段中的随机帧的条件下生成运动序列。GAIA可用于不同的应用，如可控对话头像生成和文本指导的头像生成。

AI对话导出工具，保存对话或驱动用户参与

GPTSave是一款Chrome插件，可以让您保存ChatGPT对话到系统外，并通过导出为图片的方式增加用户参与度。您还可以将对话保存到Notion，并在社交媒体上共享。GPTSave还提供了复制到剪贴板的功能。以保存AI对话或驱动用户参与。