AI 音频

Unsloth Desktop 是一款免费开源的本地 AI 模型桌面应用，可在 macOS、Windows 与 Linux 上运行、训练和部署大语言模型、扩散图像/视频模型、MLX、GGUF 与音频模型，并连接智能体工具工作流。

VoiceStudio 是一款开源、本地优先的语音 AI 工作室，支持语音克隆、声音设计、视频配音、转写、听写和有声书制作。它拥有 646 种语言目录，并提供 macOS、Windows、Linux 桌面版和 Docker 部署方式。

Soniox TTS v2 是多语言文本转语音 API，支持 60+ 语言，提供可编程情绪标签、高质量声音克隆、自动语言混说和低延迟流式输出，价格为每生成小时 0.70 美元。它面向语音 Agent、配音、IVR 和有声书等需要在多语言间保持同一声音身份的语音场景。

基于 ggml 的跨平台本地语音转写库，支持 16 个以上 ASR 模型族和 60 多个模型变体。它提供流式与批量转写，并通过 Metal、Vulkan、CUDA 和 TinyBLAS 加速推理，适合开发者把隐私优先的语音识别嵌入桌面应用和工具。

字节跳动 Seed 推出的端到端 AI 音频创作模型，在统一框架中协同生成人声、音效与环境声。它支持 100 毫秒时间轴控制、参考音频条件、约 2 分钟音频延展和 20 多种语言，适合为视频、广告、游戏和播客设计完整声音场景。

面向小企业的 AI 电话前台，自动接听来电、预约会议、筛选线索，支持自然对话式语音交互，无需代码即可快速上线。

Suno 是领先的 AI 音乐生成平台，可通过文字提示生成包含人声、歌词和完整编曲的完整歌曲，并提供 Suno Studio 数字音频工作站、音轨分离和商业授权。

TypeNo 是 macOS 端免费开源的隐私优先语音输入工具，按 Control 键说话即可在任意应用中即时粘贴转写文本，全部本地运行。

阶跃星辰是多模态 AI 平台，提供实时语音对话（副语言感知）、图像生成和超快语音识别等功能。

浏览器端协作音乐创作平台，内置 AI 副主厨联合制作人。在无限画布上录制灵感、叠加音轨、实时协作并即时分享。

MiniMax 是中国领先的 AI 平台，提供 600+ 语音模型（Speech 2.8 Turbo）、多模态对话和视频生成能力。

Stability AI 推出的 AI 音乐生成平台，可创作最长 6 分钟的专业级歌曲，提供多种模型尺寸适配不同部署场景。

AI 会议记录工具，支持实时转录、自动摘要、行动项和团队协作。

AI 会议助手，支持录音、转录、摘要和对话搜索。

AI 音视频编辑器，支持播客、屏幕录制、转录、剪辑和专业制作。

AI 音频平台，提供逼真的文本转语音、语音克隆、配音和语音生成。