Cartesia Sonic是一个极其快速的生成语音API，具有135毫秒的模型延迟。它可以帮助用户构建高质量、实时的语音体验，提供多样的声音库、即时语音克隆、语音混合和语音设计，支持速度和情感控制。
Gotalk.ai是一个利用深度学习算法将文本转换为自然人声的AI语音生成器，旨在简化配音制作过程，适用于内容创作者、营销人员以及各行业专业人士。该平台提供丰富的定制选项，使高质量的配音制作变得易于实现，无需昂贵的录音设备或专业配音演员。
Synthesys X 是一款革命性的内容制作工具，提供语音、视频和图像生成服务，旨在提升内容创作的效率与质量。用户可以通过简单的界面生成高质量的音频、视频和图像，满足多种内容需求。
WhisperLive是OpenAI的Whisper的近实时实现，通过语音活动检测(VAD)仅在检测到语音时发送音频数据到Whisper模型，从而减少数据传输并提高转录准确性。
Nexa SDK是一款全面支持ONNX和GGML模型的工具包，具备文本生成、图像生成、视觉-语言模型（VLM）、自动语音识别（ASR）和文本到语音（TTS）功能，提供OpenAI兼容的API服务器，支持JSON模式调用函数和流媒体，配备用户友好的Streamlit UI，方便开发者使用和集成。
WhisperFusion是一个基于WhisperLive和WhisperSpeech构建的项目，结合了Mistral大语言模型，旨在实现极低延迟的AI对话效果，提供流畅的语音交互体验。
Otter是一款网络应用程序，提供语音转文本的转录服务。它将实时语音转换为书面转录，利用机器学习技术对数百万小时的音频录音进行训练。该项目于2018年在移动世界大会上首次亮相。
Speechllect是一个基于AI的解决方案，提供实时的语音转文本和文本转语音功能，利用SenseTheory数学理论分析用户发音的每个单词的意义，从而实现准确且具有上下文意义的转换。
Poddy.ai是为播客创作者设计的终极工具包，旨在简化和提升播客制作过程。无论你是经验丰富的播客主持人还是刚刚起步，Poddy.ai都提供了一系列强大的功能，帮助你精简工作流程，并提升播客质量。
Voicemod是一个全面的、由AI驱动的工具，旨在为使用Windows和macOS平台的游戏玩家和内容创作者等广泛用户群体提升音频体验。这款多功能软件允许用户实时修改和转换他们的声音，提供了一系列功能和优势，显著增强了在线互动和内容创作的体验。
Desura是一个革命性的在线游戏网站，旨在为玩家提供独特且吸引人的游戏体验。我们致力于创建一个沉浸式的世界，让玩家能够享受由我们及其他开发者开发的游戏。该平台特别针对6岁以上儿童，首次尝试使用AI进行互动语音交流。
Voicemaker是一个文本转语音转换器，利用AI技术生成多种语言和方言的自然声音，支持语音效果、速度、音调等多项自定义选项，已在120多个国家拥有超过110万用户，转换超过1亿个字符。
SpeechLab是一个基于AI的语音技术平台，帮助出版商和创作者通过克服语言障碍，在全球范围内扩展影响力。它提供多种语言和方言的定制配音、语音解说和合成语音。用户可以上传音频或视频内容，选择所需的语言和方言进行配音或语音解说，或选择与自身声音或品牌相匹配的合成语音进行叙述。SpeechLab的先进AI技术将生成所需的语音输出，使您的内容在全球范围内可访问。
SoundHound是一个语音AI平台，提供语音驱动设备、服务、车辆和移动应用的对话智能解决方案。它可以集成到各个行业和用例中，帮助用户构建自己的语音助手，访问内容领域。
CrystalSound是一个创新的AI驱动工具，通过深度神经网络技术，提取嘈杂背景中的声音，确保清晰的音频质量，适用于各种虚拟交流场景。
