# 語音

Orate 是一個強大的 AI 語音工具包，能夠將文本轉換為逼真的語音，也可以將語音轉換為文本，支持多種主流 AI 服務提供商。其主要優點是提供了一個統一的 API 接口，方便開發者快速集成和使用。該工具包適用於需要語音交互功能的應用開發，例如智能語音助手、語音播報系統等。其價格和具體定位尚未明確，但從其功能和社區反饋來看，具有較高的實用性和開發價值。

MiniCPM-o 2.6 是OpenBMB團隊開發的最新多模態大型語言模型（MLLM），具有8B參數，能夠在手機等端側設備上實現高質量的視覺、語音和多模態直播功能。該模型基於SigLip-400M、Whisper-medium-300M、ChatTTS-200M和Qwen2.5-7B構建，採用端到端的方式訓練，性能與GPT-4o-202405相當。其主要優點包括領先的視覺能力、先進的語音能力、強大的多模態直播能力、強大的OCR能力以及優越的效率。該模型免費開源，適用於學術研究和商業用途。

Outspeed是一個為構建快速、即時語音和視頻AI應用提供網絡和推理基礎設施的平臺。它由Google和MIT的工程師開發，旨在為即時AI應用提供直觀且強大的工具，無論是構建下一個大型應用還是擴展現有解決方案，Outspeed都能幫助用戶更快、更有信心地進行創新。

Daily Bots是一個開源雲平臺，專注於提供超低延遲的語音和視頻人工智能服務。它支持開發者構建和託管即時的全球基礎設施上的代理，並利用快速增長的開源即時框架。該平臺擁有全球即時雲，提供5億終端用戶的13毫秒首跳延遲，符合SOC 2、HIPAA和GDPR標準。此外，Daily Bots提供了電話和工作流程的一站式企業連接解決方案，以及完整的PSTN和SIP堆棧。

Pipecat是一個開源框架，用於構建語音和多模態對話代理，如個人教練、會議助手、兒童故事玩具、客戶支持機器人、接待流程和機智的社交伴侶。它支持本地運行，並可遷移到雲端，集成了多種AI服務和傳輸方式，具有高度的可定製性和擴展性。

Easy With AI是一個擁有互聯網上最大的AI工具和資源收藏的平臺。您可以在50多個不同的類別中查找和搜索AI工具。Easy With AI為各種用戶提供了便利和豐富的AI工具資源，包括AI寫作助手、社交媒體工具、電子郵件工具、AI內容檢測工具、客戶服務工具、網站建設工具、電子商務工具、圖像工具、音頻工具、視頻工具、音樂生成器、視頻生成器、播客工具、演示製作工具、設計工具、直播工具、聊天機器人、語音工具、移動應用、轉錄工具、會議助手、建築工具、生產力工具、教育工具、AI Chrome擴展和更多。您可以根據您的需求和興趣，在Easy With AI上找到適合您的AI工具。

Ad Auris是一款能夠將文章轉換為語音並播放的應用。用戶可以隨時隨地聽取自己感興趣的文章內容，同時支持保存到平臺如Spotify。該應用定位於提升用戶的閱讀效率和便利性，使用戶能夠在忙碌的生活中享受閱讀的樂趣。

SpeechGPT是一種多模態語言模型，具有內在的跨模態對話能力。它能夠感知並生成多模態內容，遵循多模態人類指令。SpeechGPT-Gen是一種擴展了信息鏈的語音生成模型。SpeechAgents是一種具有多模態多代理系統的人類溝通模擬。SpeechTokenizer是一種統一的語音標記器，適用於語音語言模型。這些模型和數據集的發佈日期和相關信息均可在官方網站上找到。

Merlin提供統一的API和SDK,用於將LLM/LLVM快速集成到生產應用中。性能高、可靠、易於使用。它可以在5分鐘內將Google的Gemini SDK集成進去。提供20多個AI模型,無需管理多個API密鑰,沒有速率限制,也不必擔心記憶窗口或記號計算。所有模型都遵循OpenAI API結構,誤差率比OpenAI低10倍,零宕機時間。

Talk to GPT是一個Chrome插件，使用語音與ChatGPT進行交流。它通過分析你的語音，將你說的話轉錄成文字，併發送給ChatGPT。ChatGPT能夠以100多種語言回答你的問題。插件還支持自動校正和語言水平選擇。定價請查看官方網站。

narrator是一款Python應用，通過使用OpenAI和ElevenLabs的API，能夠讓David Attenborough來為您的生活進行解說。用戶需要設置相關的API密鑰和語音ID，並運行webcam捕捉和narrator兩個Python腳本即可。

Personal Voice 是一款定製個人化語音體驗的工具。它允許用戶通過提供一個 1 分鐘的語音樣本來複制自己的聲音，並生成支持 100 種語言的語音輸出。用戶可以在語音助手、遊戲、媒體娛樂等場景中使用個人化語音，實現更加沉浸式和情感化的體驗。

登錄後可以使用AI語音解說你的視頻，限制100MB。可以選擇不同的語音。 價格：免費 定位：視頻語音解說工具

ZeroBot是互聯網上最好的語音聊天機器人。想象一下與一個像真人一樣與你交談的計算機朋友進行對話。與ZeroBot一起，不僅僅是打字 - 還可以說話！準備好以全新的方式聊天吧。 主要功能點： - 在任何時間、任何地點創建和與AI代理人交談 - 提供導師、諮詢師、夥伴和醫生等不同角色 ZeroBot在媒體上的影響

Airchat 是一款能夠提供有意義對話的應用。它結合了語音和 Twitter 的特點，讓你隨時隨地加入、參與、享受或旁聽精彩的聚會對話。不再感到孤單，與新朋友和老朋友連接在一起，與志同道合的人一起暢談。它是現代社交咖啡館，可以變得如此寬廣或如此狹小。

SALMONN是由清華大學電子工程系和字節跳動開發的大型語言模型（LLM），支持語音、音頻事件和音樂輸入。與僅支持語音或音頻事件輸入的模型不同，SALMONN可以感知和理解各種音頻輸入，從而獲得多語言語音識別和翻譯以及音頻-語音共推理等新興能力。這可以被視為給予LLM“聽覺”和認知聽覺能力，使SALMONN成為通向具有聽覺能力的人工通用智能的一步。

Radio Starlight 是一款個性化語音電臺應用。它可以根據你的喜好自動生成電臺節目,包括新聞播報和音樂推薦,就像有個私人DJ和新聞播報員。你可以設定電臺主播的語音風格,還可以使用 DALL-E 2 為節目製作封面和主播頭像。無論你在家還是外出,都可以隨時隨地收聽屬於你的個性電臺節目。

Speaking AI是一款使用先進的大語言模型技術實現的文本到語音轉換工具，能夠以自然的情感進行對話並實現零樣本語音克隆。它可以捕捉你獨特的音調、音高和調節，讓你以前所未有的方式複製和利用自己的聲音。Speaking AI通過先進的技術實現了聲音克隆的突破，讓語音克隆聽起來更加自然。使用Speaking AI，你可以通過錄制自己的聲音，在短短10秒鐘內進行克隆。我們致力於將最先進的AI技術用於推動人類進步，特別是在促進語音克隆技術的發展和應用方面。

語音創作是一款能夠創造感情豐富、人類般的語音和定製化聲音的產品。它能夠激發創造力，讓用戶通過語音表達自己的情感和想法。我們提供多種定製化的聲音選擇，讓用戶能夠創造出獨特的聲音作品。語音創作具有簡單易用的界面和豐富的功能，定價靈活合理，適合各種用戶需求。

Suno AI是一款通過人工智能創作音樂和語音的產品。它利用先進的算法和數據模型，能夠生成高質量的音樂和語音作品。Suno AI具有以下功能和優勢：1. 創作多種風格的音樂，包括流行、古典、電子等；2. 生成自然流暢的語音，可用於語音合成、配音等場景；3. 提供豐富的音樂和語音效果，可根據用戶需求進行定製；4. 界面簡潔友好，操作簡單易上手；5. 支持多種輸出格式，方便用戶在不同平臺上使用。Suno AI的定價根據用戶的使用情況而定，詳情請訪問官方網站。

AITorke是一款虛擬助手，內容創作者和影響者可以使用它來創建博客、視頻和社交媒體上的獨特內容，更快地吸引更多的關注者並利用現有關係獲得收益。AITorke使用最先進的人工智能技術，包括100個預構建模板、AI語音、AI圖像、AI代碼等功能，可幫助用戶節省時間和精力。

GPTChatBot是一款連接ChatGPT的Android應用，可通過語音和Whatsapp分享與之交流。它是你的個人AI聊天機器人助手，能幫助你完成日常任務，回答問題並提供娛樂。使用GPTChatBot，你可以即時獲得問題的智能回答，與家人和朋友保持聯繫，獲得日常任務的幫助，甚至玩遊戲。該應用具有簡單易用和無縫體驗的特點。

Langchats是一個AI語言夥伴，通過自然對話幫助您學習語言。通過Langchats，您可以隨時隨地與AI對話，提高語言流利度。Langchats支持30多種語言，包括阿拉伯語、英語、法語、日語等。Langchats提供翻譯、語音回應、糾正、建議等功能，幫助您迅速提升語言能力。Langchats可以節省費用和時間，讓您更快地掌握一門語言。

FineShare FineVoice是一款AI數字語音解決方案，具備強大且易於使用的實時語音變聲器、高質量錄音機、快速準確的自動轉錄和逼真的AI語音生成器。它基於AI語音處理算法，可以輕鬆地優化和定製您的聲音。