Realtime API官网 – 低延迟语音交互API

TranslateTracks 是一个用于为 YouTube 视频生成多语言音轨的工具，支持多种声音选择，帮助内容创作者触及全球观众。

voicechanger.io 是一个简单的在线变声应用，可以轻松地转换你的声音并添加各种效果。用户可以选择上传音频或使用麦克风录音，支持将文字生成语音，并能够播放或下载变换后的声音。

Deepgram Voice AI是一款先进的语音AI平台，利用人工智能技术提供高质量的实时语音转文本和文本转语音服务，适用于医疗转录、对话AI及客户支持等多个应用场景。Deepgram提供易于集成的API，支持多种语言，旨在改变企业与开发者整合语音识别与合成的方式。

PromptInterface.ai是一个前沿的提示工程平台，通过利用GPT-4的强大能力，创造个性化助手以革新工作流程。该平台提供直观的界面，帮助用户轻松创建和管理提示，提高业务效率。

AI Voice Chat是一个基于React的语音交互应用，结合了Whisper Large v3、openchat 3.5 AWQ和XTTS v2技术，支持低延迟的语音对语音交互。项目在单个RTX 3090 GPU上运行，显存占用33G，比ChatGPT语音演示视频的延迟减少了一半以上。它能够高效地进行语音识别和合成，支持多种语言和方言，适用于实时语音聊天、客服机器人、智能家居设备、教育平台等多种场景。

Spirit LM是由Meta开源的多模式语言模型，能够混合语音和文本生成更逼真、拟人化的语音效果。该模型基于大语言模型，通过词级交错方法扩展到语音模式，使用子词BPE标记进行文本编码，并采用HuBERT模型作为语音编码器。模型在训练过程中连接语音和文本序列为单一标记集，利用自动策划的语音-文本平行语料库，同时学习语音和文本特征。模型还使用特殊标记区分文本和语音，并在训练中随机触发模态变化，使得语音和文本标记在模态变化边界处交错。Spirit LM有两个版本：基础版和表现力版，分别专注于语音语义单元和表达性语音合成。

MemoAI 是一款完全本地运行的 AI 音视频转录工具，支持将 YouTube、播客和本地音视频文件转为文本、字幕，并提供翻译和语音合成功能。它适用于 macOS 和 Windows 系统，特别适合学习或内容创作者。

本地语音助手：无需联网即可在个人电脑上运行的语音助手，集成了语音识别和语音合成功能，打造类似电影《钢铁侠》中的 Jarvis 或 Friday 的离线语音助理体验

HaiLuo Voice AI 是由 MiniMax 开发的语音 AI 产品，采用 T2A-01-HD 模型，支持 17 种语言和超过 300 种音色。该产品能够生成最多 10,000 字的语音，质量经过严格测试，适用于各种复杂场景。用户可以自定义语音参数，如情感、语速、音高和音色效果。此外，它还支持语音克隆，只需 10 秒音频即可捕捉语音的细微差别和情感底色，适合电影配音、有声书制作和高端虚拟助手的专业应用。

SuperBot是一个无代码的AI聊天机器人，能够根据用户上传的知识库、常见问答或网站链接进行训练。它支持多语言，能够与您的网站和WhatsApp无缝集成，并使用GPT-4提供快速且准确的响应，同时支持自动升级至人工客服。

MindWrite AI是一个全面的AI生成平台，旨在通过自动化内容创作、代码生成、语音合成等，提升专业人士的工作效率和创造力。

Ora.sh 是一个无代码平台，允许用户通过简单的描述或提示，快速创建、共享和集成个性化的 AI 聊天机器人。它利用了 OpenAI 的 GPT-4 等先进语言模型，特别适合没有编程经验的用户。平台每天提供 5 次免费使用 GPT-4 的机会，并拥有超过 100,000 个用户创建的聊天机器人库，支持多种用途，如娱乐、生产力和商业应用。

Chatbotkit是一个帮助开发者和非开发者构建能够与用户进行自然语言交流的聊天机器人的平台。它允许用户使用自己的数据创建对话式AI聊天机器人，并将其部署在网站、Slack和Discord上。该平台提供用户友好的解决方案，以增强客户参与度并简化任务。

MyHeyGen 是一个开源的AI工具，结合了语音合成和文本生成技术，能够实现逼真的语音效果和高效的内容创作，支持多种音频格式和语言，适用于个人创作及商业应用。

Help.AI旨在解决用户频繁切换标签页以访问GPT-4的问题，通过整合AI技术，提高用户的使用效率，减少时间浪费。用户还可以下载源代码，启动自己的AI创业项目。