产品库

桌面客户端，语音翻译和语音合成

SpeechLab是一款桌面客户端，提供语音翻译和语音合成功能。它能够帮助用户进行语音翻译，将语言转换成其他语言，同时还能够合成语音，将文字转换成自然流畅的语音。SpeechLab的优势在于其高质量的语音合成技术，可以生成与人类声音相似的合成语音。SpeechLab的定价为免费试用和付费订阅两种方式，具体定价可在官方网站上查看。SpeechLab定位于帮助用户跨越语言障碍，使内容在全球范围内更容易获得。

TypeScript客户端，用于OpenAI的实时语音API。

openai-realtime-api是一个TypeScript客户端，用于与OpenAI的实时语音API进行交互。它提供了强类型的特性，并且是OpenAI官方JavaScript版本的完美替代品。该客户端修复了许多小错误和不一致性，并且完全兼容官方和非官方事件。它支持Node.js、浏览器、Deno、Bun、CF workers等多种环境，并且已发布到NPM。该技术的重要性在于它能够为开发者提供一种更安全、更便捷的方式来集成和使用OpenAI的实时语音功能，特别是在需要处理大量数据和请求时。

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。

Windows/macOS GPT 客户端

Cherry Studio 是一款适用于 Windows 和 macOS 的 GPT 客户端软件，支持 Intel 和 Apple Silicon 架构。它通过提供高效的 GPT 交互体验，帮助用户在多种场景下提升工作效率。

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。

移动SSH客户端

La Terminal是一款为iPhone和iPad的移动SSH客户端。它提供了完全本地化的、触控优化的命令行体验。La Terminal支持安全的私钥存储、命令搜索、资源监视、美观的界面和文件管理等功能。

轻量级端到端文本到语音模型

OptiSpeech是一个高效、轻量级且快速的文本到语音模型，专为设备端文本到语音转换设计。它利用了先进的深度学习技术，能够将文本转换为自然听起来的语音，适合需要在移动设备或嵌入式系统中实现语音合成的应用。OptiSpeech的开发得到了Pneuma Solutions提供的GPU资源支持，显著加速了开发进程。

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。

无限分支的 GPT 客户端

章节 AI 是一款基于 OpenAI 的 GPT 模型的聊天客户端，它可以无限分支，帮助用户构建复杂的项目，并且能够轻松导航回原始聊天上下文。该产品适用于写作、开发等领域，用户可以创建无限数量的项目，并进行分支和版本管理。项目数据完全保存在用户的浏览器中，保证隐私和安全。ChaptersAI的定价为每月 9 美元，加上 OpenAI API 使用费用。

ComfyUI Desktop V1是一款提供一键安装和全新界面的桌面客户端。

ComfyUI Desktop V1是一个为Windows和macOS设计的桌面客户端，它提供了一键安装的便利性，并拥有全新的用户界面。用户可以通过加入等待名单来获得早期访问权限。这款软件的主要优点在于它的易用性和现代化的界面设计，旨在提高用户的工作效率。ComfyUI Desktop V1由Comfy Org组织开发，是一个开源项目，可以在GitHub上找到其源代码。

AI 视频翻译、语音合成

VideoDubber 是一款提供免费 AI 视频翻译、配音、语音克隆和文本转语音服务的工具。支持 30 多种语言，帮助您轻松扩大受众规模。

一款基于多模态模型的语音翻译产品，支持近100种语言的自动语音识别、语音翻译、文本翻译、语音合成等功能。

SeamlessM4T是一款基于多模态模型的语音翻译产品，支持近100种语言的自动语音识别、语音翻译、文本翻译、语音合成等功能。该产品采用了全新的多任务UnitY模型架构，能够直接生成翻译文本和语音。SeamlessM4T的自我监督语音编码器w2v-BERT 2.0通过分析数百万小时的多语言语音，学习如何在语音中找到结构和意义。该产品还提供了SONAR、SpeechLASER等多语言语音和文本数据集，以及fairseq2等序列建模工具包。SeamlessM4T的发布，标志着AI技术在实现语音翻译方面取得了重大突破。

第三方ChatGPT客户端：提升ChatGPT用户体验

ChatBoost是一个第三方ChatGPT客户端，无需登录或支付月费。我们更新了应用，现在支持OpenAI API KEY和Azure OpenAI。除了基本的聊天功能，我们还提供了一些独特的功能，包括更快的响应、AI键盘扩展、API使用统计、支持多个模型、无需登录或支付月费、本地存储聊天记录、支持Prompt库、自定义Prompt等。我们非常重视用户的反馈和建议，如果在使用过程中遇到任何问题或有任何改进的想法，请随时联系我们。

强大的客户端JavaScript库，用于ChatGPT

chatgpt.js是一个强大的客户端JavaScript库，用于ChatGPT。它提供了一个简单的界面，让用户可以轻松地与ChatGPT进行对话。该库可在浏览器中直接使用，无需服务器端的支持。它具有高度可定制的界面和功能，可用于构建各种聊天机器人应用。ChatGPT.js可以轻松集成到任何网站或应用程序中，帮助用户实现智能对话交互。

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。

AI聊天客户端，实现模型上下文协议（MCP）

ChatMCP是一个AI聊天客户端，它实现了模型上下文协议（MCP），允许用户使用任何大型语言模型（LLM）与MCP服务器进行交互。这个项目的主要优点在于它的灵活性和开放性，用户可以根据自己的需求选择不同的LLM模型进行聊天，并且可以通过MCP服务器市场安装不同的服务器来与不同的数据进行交互。ChatMCP提供了一个用户友好的界面，支持自动安装MCP服务器、SSE MCP传输支持、自动选择MCP服务器、聊天历史记录等功能。

一个能够分支到无限的GPT客户端

ChaptersAI是一个基于OpenAI的GPT的聊天客户端，它可以将任何段落分支到一个独立的聊天窗口。它适用于构建复杂的项目，可以深入到组成部分的细节，并能轻松返回到原始聊天上下文。ChaptersAI还为作家和开发人员提供了便利，可以创建新版本的聊天窗口，并能够在整个项目中灵活尝试新的想法。此外，ChaptersAI将数据完全存储在本地浏览器中，不会发送到服务器，提供了更高的隐私和安全性。

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。

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。

Voxos - 多功能桌面语音助手

Voxos 是一款多功能且用户友好的桌面语音助手，可将LLM集成到日常工作流程中，相比于使用Web UI访问LLM，它更加简化。它非常适合任何使用桌面计算机且希望节省时间和精力的人。此外，您还可以在Voxos的模块化设计基础上构建自己的定制功能。Voxos旨在易于扩展和定制。因此，我们鼓励您以符合当前设计模式的方式定制您的修改，并希望您通过提交MR来为Voxos的所有用户带来益处。

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。

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。

高效、多语种的语音合成模型

CosyVoice语音生成大模型2.0-0.5B是一个高性能的语音合成模型，支持零样本、跨语言的语音合成，能够根据文本内容直接生成相应的语音输出。该模型由通义实验室提供，具有强大的语音合成能力和广泛的应用场景，包括但不限于智能助手、有声读物、虚拟主播等。模型的重要性在于其能够提供自然、流畅的语音输出，极大地丰富了人机交互的体验。

桌面端 AI 英语词源词典，内置四六级、托福词汇表的单词信息。

SSShooter/en-etymology-dict 是一款桌面端 AI 英语词源词典，旨在帮助用户更好地理解和记忆英语单词。产品通过 AI 技术生成单词的词源、使用场景、同义词、反义词、形似词和派生词等信息，为用户提供全面的单词学习体验。该产品适合英语学习者，尤其是需要备考四六级、托福等英语考试的学生。产品目前是免费的，定位为教育领域的辅助学习工具。

一键翻译上传视频,保持语音风格

Video Translate可以一键翻译上传的视频,同时保持语音的自然风格。支持60秒内300MB以下的MP4、AVI、MOV格式视频。翻译支持多种语言,语音合成源自领先的语音技术公司。定价方面,提供免费和付费版本,付费版本可享受更高清晰度的输出。该产品定位于帮助用户无缝地翻译视频内容,从而拓展多语言观众群。

实时语音翻译，跨语言沟通的桥梁。

StreamSpeech是一款基于多任务学习的实时语音到语音翻译模型。它通过统一框架同时学习翻译和同步策略，有效识别流式语音输入中的翻译时机，实现高质量的实时通信体验。该模型在CVSS基准测试中取得了领先的性能，并能提供低延迟的中间结果，如ASR或翻译结果。

基于Google Gemini的网页客户端，支持上传图片进行识别。

ChatGemini是一个基于Google Gemini的网页客户端，对标ChatGPT 3.5，使用逻辑同ChatGPT 3.5，同时支持在聊天中上传图片，自动调用Gemini-Pro-Vision模型进行识图。用户可以自定义Gemini API服务器地址，将项目部署至支持PHP的服务器。

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。

在Mac上与多个AI模型聊天，支持屏幕共享和多模型合成。

Chorus是一款面向桌面的AI聊天工具，支持多种先进AI模型的集成和交互。它通过强大的合成技术将不同AI模型的响应整合为单一输出，极大地提升了用户体验。Chorus的主要优点包括高性能、多模型支持和本地化运行，使其成为个人计算和生产力提升的重要工具。产品目前主要面向技术爱好者和专业人士，提供高效、灵活的AI交互体验。其定价策略尚未明确，但已提供0.5.36版本的更新。

情感驱动的多语音合成引擎

EmotiVoice是一个功能强大、现代化的开源文本到语音引擎。它支持英语和中文，并拥有超过2000种不同的语音。最显著的特点是情感合成，可以让你创造具有各种情感的语音，包括快乐、兴奋、悲伤、愤怒等。 EmotiVoice提供了一个易于使用的网页界面，还提供了用于批量生成结果的脚本界面。 主要功能点包括： 1. 支持英语和中文 2. 拥有超过2000种不同的语音 3. 提供情感合成功能 价格：免费 定位：面向开发者和研究人员。