亞馬遜全新基礎模型理解語氣、語調與節奏，提升人機對話自然度。

靈云開放平臺免費提供全面的智能人機交互技術，包括語音合成、識別，手寫識別，光學字符識別，語義理解，機器翻譯等，助力移動應用、智能硬件實現自然、智能的交互。

一站式虛擬主播視頻生產和編輯平臺

靈云AI開放平臺

科大訊飛推出的移動互聯網智能交互平臺，為開發者免費提供：涵蓋語音能力增強型SDK，一站式人機智能語音交互解決方案，專業全面的移動應用分析；

Whisper Turbo 是一款免費在線快速準確的語音識別工具。

開源工業級自動語音識別模型，支持普通話、方言和英語，性能卓越。

Scribe 是全球最準確的語音轉文字模型，支持99種語言。

音刻轉錄是一款快速、精準、絲滑的音視頻轉錄工具。

DuRT 是一款 macOS 上的實時語音識別和翻譯軟件，致力于提供高效、準確的語音處理服務。

Phi-4-multimodal-instruct 是微軟開發的輕量級多模態基礎模型，支持文本、圖像和音頻輸入。

將口語轉化為優雅文字的AI寫作工具，讓寫作變得輕松自然。

思必馳DFM-2大模型賦能多模態交互和行業應用，提供更智能、個性化的對話體驗。

強大的AI同聲傳譯工具，實時精準翻譯多種語言，高效促進跨語言溝通。

AI輔助病歷生成系統，提升效率、保障質量、保護隱私。

鵬城實驗室開源的一款多語言語音識別系統開發工具包，PengChengStarling可以在統一的框架內處理多種語言語音輸入，支持實時語音識別，邊說邊識別。PengChengStarling官網入口網址

集圖片翻譯、視頻翻譯、智能摳圖、去除圖片文字和視頻字幕等功能于一體的在線翻譯工具風車AI翻譯官網入口網址

WhisperKit是一個開源項目，旨在幫助開發者和企業在用戶設備上部署商業規模的推理工作負載

基于科大訊飛語音技術，實現智能客服的多渠道解決方案。

構建高級語音AI，由LLM提供支持，實現人類般的交互體驗。

讓應用通過語音與文本的轉換實現智能交互。

趣味語音互動，讓設備記住你的名字。

實時語音交互的人工智能對話系統。

300行代碼實現基于LLM的語音轉錄。

音頻指令演示，體驗智能交互。

基于OpenAI Whisper的自動語音識別與說話人分割

智能語音分析，提升零售客戶服務體驗。

最新多模態檢查點，提升語音理解能力。

與大型語言模型進行自然的語音對話

極速語音識別，精準時間戳

情感豐富的多模態語言模型

會議語音轉文本并自動生成摘要的AI工具