LLMChat是一个专注于提供直观AI聊天体验的项目，号称'最直观的统一AI聊天界面'，旨在让AI交互变得前所未有地简单。它支持多种语言模型，包括Ollama，满足不同用户需求。项目具有丰富的插件库，如网络搜索插件，以及本地存储功能以确保数据安全和快速访问。
Oliva 是一款开源语音 RAG 助手，能够通过自然语音实现对 Qdrant 向量数据库的实时搜索。它由 Deluxer 团队开发，集成了 Deepgram（语音转文本）和 LiveKit（实时语音通信），支持多智能体协作和语义搜索。Oliva 适用于知识库搜索、智能客服、语音驱动 AI 应用等场景，旨在提升 AI 交互的自然性和效率。
Scribe 是 ElevenLabs 开发的语音转文本（ASR）模型，支持 99 种语言，能够处理真实世界的音频，提供词级时间戳、说话人分离和音频事件标记（如笑声），并以结构化 JSON 格式返回结果。它在基准测试中表现优异，特别是在意大利语（98.7%）和英语（96.7%）等语言中。Scribe 适用于会议摘要、电影字幕和歌词转录，未来可能支持实时应用。
OpenAI的语音转文本项目基于Whisper模型，旨在将音频转化为文本，特别适合处理多种语言和方言。它支持多种音频格式，文件上传限制为25 MB，输出格式包括JSON和文本。项目功能强大，适用于会议记录、语音笔记和多语言翻译等场景。
Rivet是一款开源的可视化AI编程环境和TypeScript库，旨在简化复杂AI代理和提示链的创建，并将其嵌入应用程序中。它为开发人员和研究人员提供了一个直观的途径来创建和部署复杂的AI代理，支持多种LLM（如OpenAI GPT-3.5、GPT-4、Anthropic Claude系列等）和嵌入/向量数据库（如OpenAI Embeddings、Pinecone等），并提供了丰富的功能和支持，使其成为开发创新AI应用的宝贵工具。
Ultravox 是一个开源的多模态实时语音模型，其语音理解性能接近 GPT-4o。它能够直接理解文本和人类语音，无需单独的自动语音识别（ASR）系统。目前支持文本输出，首次响应时间仅为 150 毫秒，生成速度约为 60 token/秒。基于 Llama3.1-8B 和 whisper 构建，通过多模态投影器直接将音频转换为高维空间，显著提升了响应速度。
SoftWhisper是一款基于Whisper.cpp的音频/视频转录工具，能够将音频/视频中的音频内容快速转换为文字。该工具兼容性强，支持所有平台，性能优异，能够在2-3分钟内转录2小时的音频，相比Whisper API，转录速度显著提升。SoftWhisper支持多种音频格式，轻量级且易于集成，具备高准确率的语音识别功能，适用于多种应用场景。
Whisper-Input 是一个实用的键盘语音输入工具，用户通过按下Option键开始语音输入，松开后调用语音转文本模型进行快速转译。它还支持通过按下Shift + Option组合键实现中文语音输入转译为多语言文本输出。目前该工具仅支持在终端上运行使用，未来将推出macOS客户端，为用户提供更便捷的语音输入体验。
VoiceMind是一个专为语音理解任务设计的开源框架，为开发者提供构建高效音频分析系统的工具。它支持语音转文本与语义解析，优化语音交互体验。
Vox Box 是一个兼容 OpenAI API 的文本转语音和语音转文本服务器，支持 Whisper、FunASR、Bark 和 CosyVoice 等后端模型。它能够处理多种语言和应用场景，提供广泛的语音选项，满足多样化的语音合成需求，并能够无缝集成到现有的 AI 工作流程中。
Chirp AI是为Apple Watch打造的完美助手，提供无缝的语音转文本、智能网络搜索和完美的信息发送功能，让您无需拿起手机即可保持连接。快速、直观且无干扰。
Diary AI是一个智能日记软件，能够将语音转换为文本，帮助用户轻松记录日常想法与反思。
一个Rust写的AI语音框架，使用whisper进行语音转文本，结合LLM和kokoro实现文本转语音。支持个性化AI助理的开发，易于上手，技术门槛低。
Memos AI通过先进的语音转文本和智能摘要技术，简化笔记捕捉、转录和组织流程，提升学习和工作效率，适合学生、专业人士等需要高效管理信息的人士。
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。
AI Turbos是一个全方位的AI驱动平台，旨在帮助用户处理各种内容创作任务。它具有先进的功能，如AI文本生成、图像创作、代码生成、自定义聊天机器人构建和语音转文本能力。
ChatOn是一个先进的AI聊天助手，旨在提升多种写作任务的生产力和创造力，支持文本生成、图像转化、PDF处理等功能，适合个人及专业项目使用。
Yapping是一款Chrome扩展，旨在为ChatGPT提供语音转文本功能，让用户通过语音命令与ChatGPT互动，而无需打字。用户只需安装扩展，输入OpenAI密钥即可开始使用。
Notedly.ai 是一款前沿工具，通过人工智能革新数字笔记管理，旨在提高个人和专业人士的效率与组织性。它通过自动化笔记摘要和智能组织来增强生产力，适合学生、专业人士、研究人员和写作者使用。
DapperGPT是一个旨在提升ChatGPT API体验的创新AI工具，具备直观的界面和强大的功能，旨在帮助个人和团队利用AI技术提高生产力和优化工作流程。
VoiceAI提供一系列基于AI的工具，旨在增强内容创作过程。无论是撰写产品描述、生成新闻通讯，还是创建YouTube描述，我们的工具都利用语音录音转化为格式化内容。
PenPilot AI 是一款专为提升学术论文、博客等内容而设计的AI写作助手，提供个性化建议、语音转文本功能和抄袭检测，旨在提高写作效率和质量。
ZipZap是一个尖端的语言翻译工具，推动全球沟通，提供精准和沉浸式的多语言翻译能力，旨在简化跨语言和文化的互动，适用于从企业到个人专业人士的广泛用户。
Voxio是一个移动录音应用，能够将任何音频转化为简明的笔记。用户可以通过手机语音记录会议、讲座、采访以及个人备忘录，也可以仅凭声音撰写正式邮件。
VoiceVector 提供先进的语音克隆、文本转语音和语音转文本技术，支持按需付费，灵活实用。
Tunk是一个高效的AI解决方案，可以将语音转换为文本，广泛应用于教育、医疗、金融、法律等领域。它提供了高准确性和无缝的沟通体验，帮助用户提升工作和学习效率。
Donakosy是一个先进的AI技术平台，旨在为专业人士和内容创作者提供多种AI工具和技术的支持，包括聊天GPT、AI语音合成、内容创作、图像生成、语音转文本和代码生成。用户只需注册账户，选择所需的AI工具，提供必要的信息，AI便可为其生成所需内容，用户还可以自定义、下载并在项目或出版物中使用。
SayStory AI 是一个革命性的声音到AI平台，旨在简化创建思想领导力内容的过程。用户可以通过语音表达自己的想法和见解，平台会根据语音语调分析，将其转化为引人入胜且真实的内容。该平台还提供可选的人类编辑服务，以增加内容的精致度。
RecCloud是一个提供免费多媒体解决方案的AI视频创作平台，包括AI视频聊天、AI字幕、语音转文本、在线屏幕录制、视频编辑、存储和分享，旨在提高视频创作的效率和便利性。
Jaeves是一个多功能的AI套件，支持32种语言的动态内容创作。它不仅帮助用户生成内容，还提供图像生成、语音转文本、文本转语音、编码、AI视觉和AI助手等功能，旨在提升用户的创作过程、社交媒体表现和商业成功。
