LiaPlus
智能语音AI代理平台，实现自然对话交互
Ringg AI
多语言AI语音与聊天代理平台
SyncWords
直播媒体多语言字幕与AI配音平台
CloudTalk
AI驱动的全球智能呼叫中心软件
NewOaks AI
拟人化AI外呼助手，7x24小时自动预约转化
Gradium
超低延迟实时语音AI API平台
Cartesia
超低延迟实时语音合成与语音智能体API
TTSMP3
在线文字转语音工具
LrcSong
一键制作卡拉OK视频与同步歌词的工具
Dialbird
AI驱动的商业电话系统与智能代理
Kotoba
超低延迟实时语音AI模型与同传技术
Speech 2.5
Speech 2.5 是 MiniMax 推出的新一代语音生成模型，在多语种表现力、音色复刻和语言覆盖范围上实现重大突破。模型支持40种语言，能精准还原不同语言和口音的细节，复刻音色时保留风格与情绪，跨语种切换依然逼真。
如何用AI生成短视频创意，FD Studio一站式服务内容创作者
FD Studio 是深圳市浮点数信息技术有限公司推出的 AI 辅助影视和短视频创意管理平台。面向短片、广告、自媒体等多领域创作者，解决创意前期流程碎片化、协作低效、素材管理混乱等问题，通过整合 AI 生成能力与结构化项目管理，为创作者提供高效创作体验。
MoonCast
MoonCast 是零样本AI播客生成项目，从纯文本源合成自然的播客风格语音。通过长上下文语言模型和大规模语音数据训练，能生成几分钟长的播客音频，支持中文和英文。
OmniAudio
OmniAudio 是阿里巴巴通义实验室语音团队推出的从360°视频生成空间音频（FOA）的技术。为虚拟现实和沉浸式娱乐提供更真实的音频体验。通过构建大规模数据集Sphere360，包含超过10.3万个视频片段，涵盖288种音频事件，总时长288小时，为模型训练提供了丰富资源。
Stable Audio Open Small
Stable Audio Open Small 是 Stability AI 与 Arm 合作推出的轻量级文本到音频生成模型。基于 Stable Audio Open 模型，参数量从11亿减少到3.41亿，生成速度更快，能在移动设备上快速生成音频，如鼓点循环、音效等。
Audio
Audio-SDS是NVIDIA AI研究团队推出的创新技术，将Score Distillation Sampling（SDS）技术扩展至文本条件音频扩散模型，为音频处理领域带来了重大突破。无需重新训练模型，可将任意预训练音频扩散模型转化为多功能工具，广泛应用于音效生成、音源分离、FM合成及语音增强等任务。
ACE
ACE-Step 是 ACE Studio 和 StepFun 联合推出的开源音乐生成基础模型，基于创新的架构设计实现高效、连贯且可控的音乐创作。ACE-Step结合扩散模型、深度压缩自编码器（DCAE）和轻量级线性变换器，能在短时间内生成高质量的音乐作品，速度比传统 LLM 模型快 15 倍。
ACTalker
ACTalker 是用于生成逼真说话人头部视频的端到端视频扩散框架。支持单信号或多信号控制，如音频、表情等。核心架构包括并行 Mamba 结构，通过多个分支利用不同驱动信号分别控制面部区域，基于门控机制和掩码丢弃策略，实现灵活且自然的视频生成。
OmniTalker
OmniTalker 是阿里巴巴发布的实时文本驱动的说话头像生成技术，能同时处理文本、图像、音频和视频等多种模态输入，以流式方式生成自然语音响应。核心架构为 Thinker-Talker 架构，Thinker 负责处理多模态输入并生成语义表征和文本内容，Talker 将这些信息转化为流畅的语音输出。