产品库

SKI是跨平台语音助手，可与AI编码代理语音交互，全本地且永久免费。

SKI是一款适用于Mac、Windows和Linux系统的语音助手，专为AI编码代理设计。其重要性在于打破传统编码方式的局限，让开发者通过语音与编码代理交流，极大提高效率。主要优点包括完全本地运行，保障隐私，语音交互自然流畅，支持多编码代理。价格方面，永久免费使用。产品定位是为开发者提供便捷、高效、安全的语音编码辅助工具，让开发者能更专注于代码创作，无需手动输入。

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。

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。

开源编码代理，本地优先，启动任务后可离开，完成有验证回执。

Agent AFK是一款开源的编码代理工具，其设计初衷是为了解决开发者在使用编码代理时需要时刻监督的问题。该工具具有本地优先的特点，采用Apache 2.0开源协议，可免费使用。它围绕编码代理常见的六种失败模式进行设计，将编排、路由、跟踪、验证和监督等功能融入架构，而不是事后添加治理机制。主要优点包括支持远程监督、可逆转操作、能生成详细的跟踪历史等，适用于那些希望专注于交付成果而非监督代码编写过程的开发者。

智能编码助手，提升开发效率

通义灵码是一款专为开发者设计的智能编码助手，支持多种开发环境，包括JetBrains IDEs、Visual Studio Code、Visual Studio等。它通过集成先进的AI技术，帮助开发者快速完成编码任务，提高编码效率和质量，适用于各种编程语言和开发场景。

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。

首个学习编码风格的AI编码代理，由taste - 1驱动，替代Claude Code等

Command Code是一款由meta neuro - symbolic模型taste - 1驱动的AI编码代理。其重要性在于解决了传统LLMs生成代码缺乏个人风格的问题，使开发者能按自己的思维习惯进行编码。主要优点是能够持续学习开发者的编码风格和偏好，从而实现代码编写速度提升10倍、代码审查速度加快2倍、减少5倍的代码错误。该产品定位为现代编码工具，为开发者提供高效的AI辅助编程体验。在价格方面，文档未提及，但提到有10 - 40美元的免费额度以及一些优惠活动，由此推测可能是付费产品并提供免费试用。

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。

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。

本地部署的AI语音工具箱，支持语音识别、转录和转换。

Easy Voice Toolkit是一个基于开源语音项目的AI语音工具箱，提供包括语音模型训练在内的多种自动化音频工具。该工具箱能够无缝集成，形成完整的工作流程，用户可以根据需要选择性使用这些工具，或按顺序使用，逐步将原始音频文件转换为理想的语音模型。

下一代语音AI，打造自然沟通的AI语音代理。

Ultravox.ai是一个先进的语音语言模型（SLM），直接处理语音，无需转换为文本，实现更自然、流畅的对话。它支持多语言，易于适应新语言或口音，确保与不同受众的顺畅沟通。产品背景信息显示，Ultravox.ai是一个开源模型，用户可以根据自己的需求进行定制和部署，价格为每分钟5美分。

在线语音合成与语音识别服务

TTSLabs是一款在线语音合成与语音识别服务，提供高质量、自然流畅的语音合成和准确可靠的语音识别功能。通过简单的API调用，用户可以将文字转化为真实的语音，并且可以将语音转化为文本。TTSLabs提供多种语音风格和多国语言的支持，具有快速响应、高效稳定的特点。价格灵活透明，适用于个人开发者和企业用户。

AdaL是团队最佳编码代理，多智能体工程系统助力高效开发。

AdaL是一款面向团队的多智能体工程系统，旨在解决当前编码过程中存在的问题。当前代码编写过程中，团队常将代码生成等同于工程进度，而实际上代码仅占工程的20%，另外80%包括问题理解、架构规划、权衡决策等。AdaL通过高信任的Worker Agents（用于编码、研究、浏览器使用和审查）和Engineer Agent（自动化工作流程并与人类共享长期记忆），将这80%的工作重新纳入工作流程。其优点包括高精度、高灵活性、真正的自动化，能让团队专注于最重要的决策。目前页面未提及价格信息。产品定位为帮助团队提高编码效率和工程质量，实现从传统编码到智能体工程的转变。

在线语音识别工具

语音听写是一款免费的在线语音识别软件，可以通过语音输入来帮助您写邮件、文件和文章，无需打字。

通用语音识别模型

Whisper 是一个通用的语音识别模型。它经过大量多样化音频的训练，并且是一个多任务模型，可以进行多语言语音识别、语音翻译和语种识别。

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。

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。

支持多种语音识别和语音合成功能的开源项目

sherpa-onnx 是一个基于下一代 Kaldi 的语音识别和语音合成项目，使用onnxruntime进行推理，支持多种语音相关功能，包括语音转文字(ASR)、文字转语音(TTS)、说话人识别、说话人验证、语言识别、关键词检测等。它支持多种平台和操作系统，包括嵌入式系统、Android、iOS、Raspberry Pi、RISC-V、服务器等。

实时监听Claude Code和Codex会话，了解编码代理工作进展。

Agent FM是一款运行在Mac上的桌面客户端产品，主要用于实时监听Claude Code和Codex的编码会话。它的重要性在于可以让开发者实时了解编码代理的工作状态，包括决策、遇到的阻碍以及完成的成果等。其主要优点是提供实时的进度反馈和问题提醒，帮助开发者更好地掌控项目进度。产品背景是为了辅助开发者在使用编码代理进行开发时更高效地跟进工作。价格方面，文档中未明确提及，推测可能有免费试用和付费使用等模式。产品定位是为开发者提供编码代理工作的实时监控和反馈工具。

专业语音识别软件和服务

Vocapia Research开发的语音识别软件提供先进的语音处理技术，支持多语种识别，并能应用于广播监控、讲座和研讨会转录、视频字幕、电话会议转录和语音分析等领域。我们的产品具有大词汇量连续语音识别、语音分割和分区、说话人识别和语种识别等功能。我们的软件适用于批量或实时转录大量音频和视频文件，特别针对电话对话语音和呼叫中心数据的转录需求。我们提供多种语言的转录服务，并可根据客户需求定制模型或系统。

语音识别AI购物清单助手

HoneyDo是一款语音识别AI购物清单助手，通过语音输入购物清单，AI将其转化为整洁有序的列表。另外，还支持拍照识别食材并列出清单，以及与家人实时同步共享购物清单等功能。HoneyDo分为免费版和PRO版，PRO版提供无限语音录制和图像捕捉功能。

开源的前沿语音 AI 模型，支持语音识别和文本转语音。

VibeVoice 是一个开源的语音 AI 模型家族，包括长形式语音识别（ASR）和文本到语音（TTS）模型。其创新性地使用了连续语音标记器，能够以极低的帧率处理长序列，并在一次处理内完成长达 60 分钟的音频转录，生成结构化的输出。VibeVoice 支持多种语言，并专注于提高语音生成的自然性和表达力，非常适合研究和开发用途，用户需确保负责任的使用。该产品免费开源，适合语音识别和合成的研究人员及开发者。

使用低延迟语音识别和合成模型与 AI 对话。

Unmute 是一款创新的语音识别与合成工具，旨在使用户能够通过自然语言与 AI 进行高效的互动。其低延迟技术确保用户体验流畅，适合需要实时反馈的场景。该产品将以开源形式发布，推动更多开发者和用户的参与。当前尚未公布价格，预计将采取免费和付费相结合的模式。

实时浏览器端语音识别应用

Moonshine Web是一个基于React和Vite构建的简单应用，它运行了Moonshine Base，这是一个针对快速准确自动语音识别（ASR）优化的强大语音识别模型，适用于资源受限的设备。该应用在浏览器端本地运行，使用Transformers.js和WebGPU加速（或WASM作为备选）。它的重要性在于能够为用户提供一个无需服务器即可在本地进行语音识别的解决方案，这对于需要快速处理语音数据的应用场景尤为重要。

本地优先桌面应用，用于编排并行AI编码代理，含多种工具。

ADE是一款本地优先的桌面应用程序，旨在编排并行AI编码代理。其重要性在于为开发者提供了一站式的编程工具集成环境，可显著提升开发效率。主要优点包括支持隔离的git工作树、自动化规则以及35种以上的内置工具。产品背景信息显示，它满足了开发者在多工具协同和多平台同步方面的需求。关于价格，页面未提及。定位为面向开发者的综合性开发工具。

开源AI编码代理框架，重写Claude Code架构，多代理编排、工具调用

Claw Code是一个开源的AI编码代理框架，它是对Claude Code架构的全新Python和Rust重写。该项目起源于2026年3月31日Claude Code源代码泄露事件，开发者Sigrid Jin开始进行无版权代码复制的重写工作。项目具有高模块化结构，Rust代码占比72.9%以实现高性能运行，Python代码占27.1%用于代理编排和大语言模型集成。其主要优点包括多代理编排可并行处理复杂任务、工具调用灵活且有细粒度权限控制、支持多种传输协议的MCP集成、具备高性能的查询引擎和多会话记忆系统等。价格方面，该项目是开源免费的，定位为为开发者提供一个强大、灵活且开源的AI编码辅助解决方案。

实时语音AI代理，500毫秒内响应语音查询。

Real-time Voice AI Agent是一个高度灵活的实时语音交互模型，它能够在大约500毫秒内通过语音回答任何查询。该模型支持用户选择任何大型语言模型、文本到语音(TTS)模型和语音到文本(STT)模型。它非常适合用于客户服务机器人、接待员等涉及语音的应用场景。

声波 - 语音识别和翻译

SpeechPulse是一款语音识别和翻译软件。它使用OpenAI的Whisper语音到文本模型，实现实时的语音识别，支持多种语言。用户可以使用麦克风输入文字，也可以通过转录音视频文件进行语音识别和翻译。SpeechPulse可以在各种场景下使用，例如办公文档编辑、网页浏览、文件转录、视频字幕生成等。它具有极高的准确性和低延迟，并且完全离线使用。SpeechPulse提供免费版和付费版，付费版支持更多功能和更好的准确性。

联合语音转录和实体识别的先进模型

Whisper-NER是一个创新的模型，它允许同时进行语音转录和实体识别。该模型支持开放类型的命名实体识别（NER），能够识别多样化和不断演变的实体。Whisper-NER旨在作为自动语音识别（ASR）和NER下游任务的强大基础模型，并且可以在特定数据集上进行微调以提高性能。

Boson AI构建语音代理，提供语音到语音模型、实时头像和多语言TTS。

Boson AI专注于构建语音代理和基础音频模型，其重要性在于为企业关键业务工作提供高效的语音交互解决方案。主要优点包括支持100多种语言、具备实时语音处理能力、可处理打断和低延迟等。产品背景方面，致力于将语音交互转化为商业优势。价格信息页面未明确提及。定位是面向企业，为企业的销售、客服等业务流程提供语音技术支持。