AI语音

TTSMaker是一款在线文本转语音工具，也称为AI语音生成器，它可以将文本转换为音频，并且可以播放或下载音频文件。

NaturalReader 是一款功能强大、易于使用的文本转语音工具，适合各种场景下的阅读需求。无论您是希望节省时间的学生、需要无障碍支持的读者，还是寻求高质量语音内容的创作者，NaturalReader 都能为您提供卓越的体验。

AI Speaker 是一款基于微软 TTS 服务的在线文字转语音（TTS）工具，能够将文字即时转换为自然流畅的 语音，支持100多种语言和600多种AI语音。

Fish Audio是一款生成式AI文本转语音和语音克隆平台，允许用户上传15秒语音片段进行克隆，支持多种场景如故事讲述、广告和有声书。它与AWS、Google Cloud和Nvidia合作，确保技术兼容性。

ElevenLabs 成立于 2022 年，总部位于英国和波兰，致力于利用 AI 技术生成自然、富有表现力的语音。它的平台支持从文本到语音的转换、语音克隆和多语言配音，服务于各种需求。

录咖以其强大的 AI 技术和丰富的功能，为音视频创作和处理带来了前所未有的便捷体验。无论你是创作者、教育工作者还是普通用户，录咖都能成为你得力的助手。

SubEasy 是视频创作者的得力助手，它通过强大的字幕生成、翻译和优化功能，帮助创作者节省时间，提升效率，从而更专注于内容创作本身。无论是精准的字幕生成、智能的润色与重排，还是多语言翻译和自定义设计，SubEasy 都为创作者提供了全方位的支持。

ListenHub 是一款轻量级、支持中文和英语的 NotebookLM 替代工具，基于前沿AI技术，快速生成你感兴趣的专属播客。无论你想听什么，ListenHub 都能用超真实AI人声为你呈现自然对话。相比 NotebookLM，ListenHub 生成内容更加快速，且支持移动端的流畅体验，让你随时随地探索热门话题、同步收藏、轻松制作和收听播客。

Hedra 是一个人工智能创作实验室，通过尖端的视频模型，赋能人类讲故事的能力。只需几秒钟，即可将您的角色变成富有表现力的说话者、歌手和说唱歌手。

MiniMax旗下的海螺AI上线了基于T2A-01系列语音模型的“海螺语音”。这一更新为用户带来了更加自然、流畅的超拟人人声体验。

Zonos模型基于约 20 万小时的语音数据进行训练，涵盖中性和富有表现力的语音模式。虽然主要数据集为英语内容，但也包含大量中文、日语、法语、西班牙语和德语的语音数据，从而支持多语言合成。

OpenAI正式推出了全新的音频模型，涵盖了文本转语音（Text-to-Speech, TTS）和语音转文本（Speech-to-Text, STT）两大核心功能，为语音交互领域带来了重大突破。

Qwen3-ASR-Toolkit是一种高级、高性能的 Python 命令行工具包，用于使用 Qwen-ASR API（前身为 Qwen3-ASR-Flash）。此实现通过智能地将长音频/视频文件分割并并行处理，克服了 API 的 3 分钟音频长度限制，从而实现数小时内容的快速转录。

法国AI公司Gladia发布语音转文字模型Solaria，Solaria都能提供无可比拟的多语言支持基础，且质量与速度毫不妥协。凭借英语等常见语言94%的词准确率（WAR）行业标杆、独家支持的100+种语言（其中42种为Gladia独有）、以及270毫秒超低延迟，Solaria正在为AI语音交互树立全新标准。

Palabra 是一款先进的AI翻译工具，专为实时语音翻译设计。它为视频通话、现场活动、流媒体提供无缝的人工智能翻译和口译服务，并可通过 API 进行集成。可以将其视为为动态沟通需求设计的即时翻译器。

Krisp的AI口音转换功能为跨语言沟通提供了一种新的解决方案。通过实时将说话者的口音转换为美国英语，该工具能够有效减少沟通障碍，提高沟通效率。尽管目前该技术主要针对印度英语口音，但其未来扩展计划显示了其巨大的应用潜力。

Wispr Flow 是一款帮助用户通过语音输入以 4 倍于传统打字速度进行写作的工具，适用于 Mac、Windows 和 iPhone。它的最新产品是 iOS 应用，2025 年 6 月正式推出，允许用户在移动设备上享受高效语音输入体验。功能包括 AI 自动编辑、个人词典、不同应用的语气调整和设备间同步，特别适合专业人士和内容创作者。

模思智能 (Mosi AI) 成立于 2024 年，是一家由上海创智学院与复旦大学联合孵化的前沿人工智能初创公司。作为国内少数完成“全模态基座模型能力闭环”的企业之一，模思智能致力于突破传统大模型“文本优先”的局限，构建以“情境智能”为核心的下一代 AI 基础设施。

播客录制和编辑平台 Podcastle 正式发布了其名为 Asyncflow v1.0 的 AI 模型，正式加入 AI 驱动的文本转语音（TTS）领域。该平台不仅为用户提供了超过 450 个 AI 声音，还计划推出面向开发者的 API，允许开发者将文本转语音模型直接集成到他们的应用程序中。

Hume AI 是一家专注于先进 AI 语音技术的研究实验室和技术公司，使命是确保AI的开发服务于人类目标和情感福祉。通过构建能够以共情方式进行交流并学习如何让人们感到快乐的 AI 模型，Hume 正在重新定义语音交互的未来。

AI 语音初创公司 ElevenLabs 旗下的文本转语音（TTS）应用 ElevenReader是一款强大的移动文本转语音应用程序，旨在帮助用户随时随地聆听任何文本内容。

Vogent 是一个功能强大的语音 AI 平台，结合无代码工具、先进模型和灵活的 API，为企业和开发者提供快速构建高性能语音代理的解决方案。其 Voicelab 进一步增强了实时语音推理能力，特别适合需要低延迟、类人语音交互的场景。

TEN Agent 是一个由 TEN 驱动的对话式 AI 代理，集成了 Gemini 2.0 Live、OpenAI Realtime、RTC 等技术。它提供实时的视觉、听觉和语音能力，同时完全兼容 Dify 和 Coze 等流行的工作流平台。

Audio.Z.AI 是体验 GLM-TTS 能力的最简单入口。虽然功能尚处早期，但其免费、高音质、支持克隆的特点，已足够满足轻量级语音合成需求。

Huxe可以在几秒钟内，将任何内容制作成播客。Huxe 是您的个人音频伴侣，旨在将您关注的内容制作成精美的互动音频。无论您是在准备出发、通勤途中、遛狗，还是只是想远离屏幕——Huxe 都能让您聆听世界。

将一本小说转化为一部由不同角色配音、带有自然停顿和情感表达的有声书，通常需要一个专业的配音团队。现在，借助 Alexandria，你可以在本地完成这一切。它是一个基于 Qwen3-TTS 引擎构建的开源工具，利用大语言模型（LLM）自动标注脚本，并为每个角色分配独特的声音，最终导出为可直接使用的 MP3 或供专业编辑的 Audacity 多轨项目。

Pocket FM 的实践揭示了一个正在成型的新范式：AI 不再只是内容生成工具，而是贯穿创作、优化、本地化与分发的全流程引擎。

WhisperLiveKit 提供了一种轻量、可扩展的解决方案——它将实时语音转文本与说话者分割能力集成于本地运行环境中，无需依赖云端服务，兼顾性能与数据安全。

Speechify 早已以高质量文本转语音（TTS）闻名，帮助用户“听”文章、PDF 和网页。如今，它正从语音输出工具转型为以语音为第一交互方式的 AI 生产力平台。

NotebookLlaMa 是一个谷歌NotebookLM的开源替代品，它使用 AI 技术将 PDF 文档转换为对话式、播客风格的音频摘要，特别适合开发者和研究人员探索文档处理和音频生成技术。