Whisper

Whisper是一个开源的自动语音识别系统，经过68万小时的多语言和多任务监督数据训练

Relayed

Relayed是一款人工智能驱动的视频会议工具，旨在帮助团队克服远程工作、繁忙的日程安排和会议疲劳。它具有灵活的视频会议，异步对话，自动摘要，通过秘密链接和限制访问轻松共享，以及统一通信，并能够在以后重新访问和共享对话。

adobe.podcast

AI驱动的音频 增强语音通过消...

Otter.ai

Otter.ai是一个自动的会议记录和笔记工具，帮助团队充分利用他们的会议。它可以加入Zoom、Microsoft Teams或谷歌Meet会议，以记录和分享笔记，突出关键要点，并直接将会议幻灯片添加到笔记中。它还包括关键字的摘要和大纲，以帮助团队快速浏览会议笔记、搜索、阅读和播放音频。

Notta

配备最新人工智能语音识别引擎的高精度文字转录服务

Open Voice OS

一个社区驱动的开源语音 AI 平台，用于使用 NLP、可自定义的 UI 以及对隐私和安全的关注跨设备创建自定义语音控制界面。

Soundful

Soundful 使创作者只需单击一个按钮即可生成免版税曲目。Soundful 音乐的音质如此丰富，你不会相信它是用 AI 制作的。但是，不要相信我们的话。试一试！

Musico

Musico 是一个人工智能驱动的软件引擎，可以生成音乐。它可以对手势、动作、代码或其他声音做出反应。

SONIFY.io

Sonify 在音频、数据和新兴技术的交叉领域进行创新。我们设计和开发音频优先的产品和数据驱动的解决方案。

SPLASH

将音乐制作的乐趣带给每个人。

Endel.io

可帮助您集中注意力、放松身心和入睡。以神经科学为后盾。

Riffusion

Riffusion从文本提示生成音乐。尝试您最喜欢的风格，乐器如萨克斯管或小提琴，修饰符如阿拉伯语或牙买加语，流派如爵士乐或福音，声音如教堂钟声或雨声，或任何组合

Natural Language Playlist

Natural Language Playlist 探索语言和音乐之间丰富而复杂的关系，并使用 Transformer 语言模型构建播放列表。由于没有更好的术语，音乐推荐是一种“闭门造车”的东西。

Songtell

Songtell是第一个人工智能生成的歌曲含义库，生成了超过20000首歌曲的含义。你也可以订购一张印有你最喜欢的歌曲含义的海报。

Pop2Piano

Pop2Piano可以帮你改变歌曲和风格，从列表中选择用钢琴改变项目曲风。

Cassette

Cassette能帮助您立即创作出高品质的节拍。 凭借其先进的AI技术，Cassette可以生成与您的音乐视觉相匹配的独特节拍和节奏。 只要向人工智能模型描述你的节拍，应用程序就会完成剩下的工作。

Getsound

Getsound基于当前天气条件的个性化音景。可用于水疗中心、酒店、度假村和工作场所。使用24/7天气监测和物理环境参数，该应用程序创建不断变化且独特的音景。 还提供了20多个音景，如日出，日落，沙漠，丛林，海洋，风和雨。

Mubert

人类×人工智能生成音乐,对于您的视频内容、播客和应用程序

Aiva.ai

我们的使命是通过使用 AI 创建个性化配乐来增强个人能力

网易·天音

网易推出的一站式音乐创作工具

反谱

人工智能实现音乐转乐谱和人声伴奏分离

TME Studio腾讯音乐

分析TME全曲库歌词以及散文、诗歌等多种语料素材，依据智能推荐算法帮你找到合适的押韵词语，打开灵感空间

BGM猫

BGM猫_AI一键生成BGM平台

Audiocraft/MusicGen

一个简单而可控的音乐生成LM，具有文本和旋律调节。

Stable Audio

一个生成音乐和声音的产品

Play.ht

Play.ht AI驱动的语音生成器和逼真的文本到语音(TTS)音频转换器使用在线AI语音生成器和最佳合成声音，以MP3和WAV格式立即创建自然的、专业质量的音频。为视频、电子学习课程、播客、IVR系统等创建自定义画外音，支持超过132种语言和口音，并完全支持SSML。

VALL-E

VALL-E一种用于文本到语音合成 (TTS) 的语言建模方法。具体来说，我们使用从现成的神经音频编解码器模型派生的离散代码来训练神经编解码器语言模型（称为 VALL-E），并将 TTS 视为条件语言建模任务，而不是像以前的工作那样连续信号回归。

Text-To-Song

将文本转换成歌曲的工具。它使用自然语言处理将文本输入转换为音频组合。该工具允许用户从各种音乐风格和乐器中进行选择，以及调整节奏、键和动态等参数。生成的音轨可以导出为高质量的音频文件。

Synthesizer V

Synthesizer V是一款革命性的音乐制作工具，它使用基于深度神经网络的合成引擎来生成令人难以置信的逼真的歌声。它具有可定制的AI音高生成，无限音轨，无核心限制，VST3/AU插件支持，ASIO支持(Windows)， Jack支持(Linux)，跨语言合成，AI重取，孤立的抽吸输出，发声模式，音调偏移参数，Microtonal调整，MIDI键盘支持，节拍器和Lua/Javascript脚本。这似乎是一个突破性的工具。

Poly.ai

我们现在正在构建下一代语音助手，能够在客户服务中处理真正的人类对话。

coqui.ai

在几秒钟内克隆您的声音或从我们可用的 AI 声音中进行选择，每个版本都会添加更多.

WellSaid labs

WellSaid是一款人工智能文本转语音工具，允许用户根据文本创建真实、自然的画外音。它提供了一系列语音化身，并帮助团队在项目上协作，允许更快的生产时间。它适用于企业，可用于各种应用，如有声书、营销、客户支持等等。

LiSTNR

Listnr是一个人工智能语音生成器和文本到语音的在线工具，允许用户从142种不同语言的900多个声音的文本创建逼真的画外音。

Resemble.ai

Resemble.ai的AI语音生成器是一个完整的生成式语音AI工具包，允许您在几秒钟内创建类似人类的声音。

Uberduck

Uberduck是一个开源的语音AI社区，可以帮助用户在几分钟内通过api创建人工智能生成的音频应用程序。它允许用户使用5000 +富有表现力的声音制作AI画外音，并使用他们的AI生成的说唱工具创建自己的自定义语音克隆。

Speech Studio

Speech Studio是一套用于构建和集成Azure认知服务语音服务功能到应用程序中的工具。它为创建项目提供了一种无需代码的方法，可以访问诸如实时语音到文本、自定义语音识别模型、发音评估、语音库、自定义语音、音频内容创建、自定义关键字和自定义命令等功能。

Speechify

Speechify是一款文本转语音的应用程序，通过将文本转换成自然的声音，帮助你理解和记住更多你所阅读的内容。它可以在Chrome、iOS、Android和Mac上使用。

Voicepods

Voicepods是一个在线文本转语音平台，允许用户在30秒内将任何书面文本转换为音频文件。它提供了16种多种语言的国际声音和一个表达性内容编辑器来定制声音的输出。

Verbatik

Verbatik是一款由人工智能驱动的文本到语音生成器，提供了一个不断增长的库，包含142种语言和口音的600多种自然声音。

DeepZen

DeepZen是一个数字语音解决方案平台，提供栩栩如生、情感丰富的文本音频内容。该公司为有声书、广告、营销、品牌语音以及播客、游戏和虚拟助手等其他类型的语音内容提供数字语音解决方案。

Eleven Labs

Eleven Labs的长格式语音生成平台使用人工智能为创作者和出版商创造自然而引人注目的声音。

SpeechEasy

SpeechEasy是一种合成语音解决方案，可以让用户从文本生成高质量、易于理解的音频。它适用于各种设备和平台，支持桌面和移动设备，有近12种高质量的合成声音可供选择。它使用简单直观，采用隐私优先的方法来保护用户信息。