Hibiki开源 – 实时流式语音翻译工具

Meta 新推出的实时语音翻译模型 Seamless，能保持原声的表情和风格。该模型具备强大的语音生成和翻译能力，超越了现有的技术，提供自然流畅的多语言交流体验。

Multilingual Speak Sync 是一个实时语音聊天室，支持多语言即时翻译，帮助用户跨越语言障碍，实现无缝交流。用户可以自由选择语言，系统会实时将语音翻译成其他参与者的语言。

Youtube Caption Translator利用Gemini AI有效地翻译视频字幕，用户需获取Gemini API密钥以便访问。该扩展程序简化了翻译过程，使用户能够更广泛地观看外语视频，提升跨语言交流的便利性。

Felo Translator是一款基于GPT-4.0的翻译应用，支持15种以上语言的即时高质量翻译，兼容Android和iOS系统，具备实时语音翻译功能，并支持自动备份翻译历史。

Pinch Video Call 是一款提供沉浸式实时语音翻译的视频会议工具，支持超过30种语言的即时翻译，帮助用户跨越语言障碍，实现无缝沟通。它适用于视频会议和网络研讨会，特别适合全球团队会议、国际客户销售与支持、以及跨语言的教育和家庭交流等场景。

SpeakShift是一个实时语音翻译平台，利用人工智能技术，帮助不同语言的人们无缝沟通。用户只需对着平台讲话，它就会实时翻译，使接收方能够理解，无论他们的母语是什么。此外，SpeakShift还提供视频配音服务，便于创建可以接触全球受众的多语言内容，并提供语言分析功能，实时获取内容中使用的语言洞察，帮助优化沟通策略。

anytalk.ai 是一个实时语音翻译平台，能够在视频会议中即时翻译语音，同时保留说话者的声音，使得任何人、任何时间都能轻松沟通。

Whisper-V3 是最新的开放源代码语音识别模型，相较于 Whisper-V2 有了显著改进，能够将音频直接转换为文本，并支持多任务处理，适用于多种应用场景。

AI ChatMentor是一个基于ChatGPT API和GPT-4技术的聊天应用程序，旨在帮助用户提高日常沟通的效率，支持多种语言和丰富的创作功能。用户只需从苹果商店下载应用即可轻松使用。

GroupMe Translate是一个Chrome扩展，允许用户在GroupMe应用中跨越语言障碍实时自动翻译消息，支持100多种语言和多个翻译引擎。

Llama3-S是一个扩展文本基础的大型语言模型，具备原生的‘听力’能力。通过早期融合模型训练，Llama3-S实现了声音识别与文本理解的有效结合，适用于多种语言处理任务。

speakSync 是一款基于 ChatGPT 的 AI 语音翻译应用，支持超过 70 种语言，旨在促进面对面的语音交流。用户可以通过下载应用，点击按钮即可实时将语音翻译成所需语言，也可以通过输入文本快速进行翻译，适用于商务、旅行和教育等场景。

Interpre-X是一个基于网页的应用程序，提供10多种语言的实时语音翻译。该应用程序利用先进的人工智能技术，提供语音到语音、语音到文本、文本到语音和文本到文本的翻译，使用自然的人声质量和准确的口音，确保高质量的翻译体验。

豆包同声传译模型基于豆包大模型的语音理解能力，提供高质量、低延迟的端到端同声翻译服务。它支持跨语言同音色翻译，并能识别粤语、上海话等方言，适用于会议翻译、线上直播等实时场景。项目通过火山引擎控制台或API使用，功能包括实时语音翻译和语音克隆，帮助用户在跨语言交流中保持语音的自然性和一致性。

Sarah AI是一个自主代理，可以与潜在客户聊天并将他们转化为会议，旨在通过自动化解决方案提升商业效率。