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。
Xorbits Inference（Xinference）是一个功能全面的分布式推理框架，支持大语言模型（LLM）、语音识别模型、多模态模型等各种模型的推理。它适用于研究者、开发者和数据科学家，支持一键部署自定义模型或内置开源模型，可在笔记本电脑、千节点集群及边缘设备上运行。
Whisper是OpenAI推出的强大语音识别模型，支持多语言语音转文本，能够高精度地识别口语、方言，并自动生成字幕。它采用Transformer架构，具备强大的抗噪能力，适用于视频字幕生成、语音助手、会议记录等场景。Whisper支持99种语言的语音-文本转换，在低资源语种识别任务中WER降低至7.3%，流式处理架构实现200ms端到端延迟，自监督预训练机制减少对标注数据的依赖。
Whisper是一个基于whisper.cpp的Windows应用，旨在方便普通用户进行语音转文字转换，具有高效、无依赖的特点，能够满足日常使用需求。
Llama 3 是一个开放获取的语言模型，专注于语言细微差别、上下文理解及复杂任务，如翻译和对话生成。该模型在多种语言处理任务中表现出色，能够处理复杂的语言环境，适用于多种应用场景。
XTTS 是一个开源文本到语音（TTS）项目，旨在提供高质量的语音合成，支持多种语言，适用于不同的应用场景，如语音助手和有声书制作。
实时语音转录是一个先进的转录工具，能够将口语即时转化为格式化文本。它设计高效且准确，非常适合用于会议、采访、讲座等场合。
RealtimeSTT_LLM_TTS是一个结合流式大型语言模型和GPT-SOVITS的工具，支持实时语音转文字和语音合成，能够通过网页实现跨网络服务调用，方便用户在不同场景中进行高效的语音交互。
Inkdrop是一个利用AI和ChatGPT技术，使会议更加高效的平台，旨在节省30%的会议时间，提升沟通效率和自动化管理任务。
Open-Lyrics是一个可以将音频转录为文本并翻译为LRC格式文件的工具，使用先进的whisper和gpt技术，支持多种语言，方便用户生成音乐字幕。
OpenGPT是一个创新的平台，提供先进的AI解决方案，包含最新的AI技术应用和更新的博客，是AI爱好者和专业人士获取前沿见解和工具的中心。用户可以通过注册网站，探索GPT商店、OpenChat和OpenDraw等多种产品，加入不断壮大的技术爱好者社区，体验基于AI的解决方案和创意。
TextScan AI是一款免费的移动应用程序，允许用户从图像中提取文本并与AI驱动的聊天机器人互动。用户只需安装应用，选择包含文本的图像，应用就会扫描并转换文本。此外，用户还可以与聊天机器人进行对话，享受智能交互体验。
AgentLabs是一个开源的全功能UI服务，旨在快速构建基于聊天的AI助手。它的SDK与后端无关，易于使用，提供内置的实时、异步I/O、对话持久化等功能，帮助开发者高效创建智能助手。
AssemblyAI是一个提供AI模型用于语音转录和理解的平台。它提供简单的API，允许用户访问生产就绪的AI模型，能够将音频文件、视频文件和实时语音转化为文本。
Meetslay.com是一个专为会议设计的人工智能工具，旨在帮助用户记录和管理会议内容，确保重要信息不会被遗忘。无论是准备发言还是应对突发会议，Meetslay.com都能提供支持，让您在会议中更加自信和高效。
GPTSidekick是一个由GPT-4和Claude 3驱动的AI助手，提供多种功能，适合内容创作、研究辅助、语言翻译和数据分析等需求。用户可以通过简单的注册流程，选择合适的套餐，便捷地访问其强大的功能。
音频基础模型：支持多语言音频理解的端侧部署工具，具备极低推理延迟，适用于语音识别、语种识别、语音情感识别和声学事件分类/检测
TranscribeMe是一个平台，可以将WhatsApp和Telegram中的语音笔记转换为文本。用户只需将TranscribeMe机器人添加到联系人中，然后将音频消息转发给它，即可免费将其转换为文本。使用TranscribeMe非常简单，无需额外下载应用或提供个人信息。
