自定义语音助手

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。

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。

Vocode是一个让用户能够轻松构建基于语音的LLM应用程序的工具。它支持实时流式对话，可以将应用程序部署到电话呼叫、Zoom会议等多种场景中。同时，它也适合构建个人助手或类似基于语音的棋类应用，具备模块化设计，便于扩展，且为开源项目，受益于社区的不断发展。

SiteAgent是一个结合了聊天机器人简便性和AI智能的在线客户互动平台，提供24/7支持，帮助用户快速找到产品和答案。通过AI语音互动，SiteAgent能够增强网站的客户体验和销售能力。

Kokoro 82M 是一个高质量的 TTS 模型，能够生成极高音频质量的语音，同时模型大小不到 300M，便于部署和使用。该模型在 T4 上能够快速生成语音，并支持通过架构训练其他语言，且只需不到 100 小时的音频数据进行训练。

由TII（Technology Innovation Institute）构建的一个40B参数的因果解码器模型，训练在精选语料库增强的1000B tokens的RefinedWeb上。

Babylon Voice 是一个基于语音识别技术的网络应用，用户可以通过语音命令与其功能进行交互，提升工作效率，并增强无障碍体验。

RevComm是一款AI驱动的IP电话，提供语音对话分析和智能PBX功能，旨在提高销售业绩、减少培训时间，并支持远程办公。

Uberduck是一个创新的AI工具，专注于合成音乐和音频项目中的人声。它为音乐人、制作人和开发者提供多种功能，旨在简化将AI生成的声音集成到各种项目中的过程。

ChatGPT Deutsch是德国人工智能领域的领先公司，主导着聊天机器人市场，致力于提供高效、智能的对话解决方案。

Nuance是一家在人工智能领域的先驱，提供先进的对话AI解决方案，旨在通过AI驱动的工具提升医疗、客户服务等多个行业的效率与用户体验。

AI Clone Voice Free 是一个在线工具，可以在几秒钟内创建高质量的人声克隆。用户无需特殊设备，只需在浏览器中操作即可轻松实现语音克隆。该项目旨在为用户提供便捷的语音合成体验，适用于各种应用场景。

fairseq是一个用于序列建模的开源工具包，支持多种自然语言处理和语音处理任务。

PolyAI是一个提供客户主导语音助手的平台，帮助企业持续提供最佳品牌体验，实现准确解决方案，并发掘数据驱动的商业机会。

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。

enterprisebot.ai是一个基于大型语言模型（如ChatGPT）的对话AI机器人，旨在通过公司数据改进客户和员工支持。它为多个行业提供定制化的解决方案，帮助企业提升服务效率和用户体验。

seasalt.ai 是全球首屈一指的对话体验平台，结合了生成式AI和语音识别技术，效果超越谷歌。用户可以通过选定产品并进行定制，轻松与客户进行自然对话。

由百川智能开发的一个开源可商用的大规模预训练语言模型，支持中英双语，基于Transformer结构，训练于约1.2万亿tokens，具有70亿参数，提供4096的上下文窗口长度，在标准的中文和英文权威benchmark（C-EVAL/MMLU）上均取得同尺寸最好的效果。