语音转文字（语音识别）

Qwen2-VL是一个基于自然语言处理（NLP）技术的语音到文本（Voice-to-Text）和文本到语音（Text-to-Speech, TTS）转换工具，旨在提供高质量的语音转换服务。

一款基于Whisper模型的优化版语音识别工具，通过多解码头技术显著提升处理速度

AI 音视频助理插件 BibiGPT是一款基于人工智能的视频总结工具，具有广泛的应用范围和强大的功能。支持多种平台，包括哔哩哔哩、YouTube、抖音等，广泛应用于学习助手和内容创作领域。

Moonshine是一个为边缘设备提供快速且准确的自动语音识别（ASR）的工具。

Google推出的一款AI笔记应用，能够将文档内容转化为音频播客，帮助用户更高效地学习和获取信息。

语音 AI 一个提供语音到文本、文本到语音以及语言理解 API 的语音 AI 平台。它被全球顶尖企业、对话式 AI 领导者和初创公司所信赖，适用于医疗转录到自主代理等多种场景。

开源音频基础模型 开源的音频基础模型，擅长音频理解、生成和对话，适用于多种音频处理任务。

探索文本到语音的新境界 为开发者提供的交互式演示平台，用于体验 OpenAI API 中的新型文本到语音模型，助力开发者快速构建相关应用。

阶跃开源的130B语音模型 一款强大的开源语音交互模型，能够实现语音识别、对话生成、情感克隆和多语言支持，为用户提供高质量的实时语音交互体验。

多模态 AI 模型的革新者 谷歌 Gemini 是谷歌推出的新一代多模态 AI 模型，凭借其强大的性能和广泛的应用场景备受关注。

HitPaw 是一个提供强大视频、音频和图片解决方案的平台，由一系列多媒体工具组成，旨在帮助用户在各种媒体内容上进行创作、编辑和转换。

Labs 多模态AI视频理解平台 一个多模态人工智能平台，它能够像人类一样理解视频内容，帮助用户在任何应用中实现视频内容的深度分析和利用。

智能笔记 Voicenotes 是一款以录音为核心的智能笔记应用程序，它通过先进的人工智能技术，为用户提供了一个方便快捷的记录和搜索语音笔记的平台。

开启语音交互新时代 GPT-Realtime是OpenAI推出的一款强大的语音到语音模型，采用端到端Speech-to-Speech架构，能够直接生成并处理语音，省去常规的文本转换步骤，广泛应用于多种语音交互场景。

钉钉与通义实验室联合发布的语音识别大模型 Fun-ASR是由钉钉与通义实验室联合发布的新一代语音识别大模型，旨在为企业提供更强大、灵活的语音转写能力。