语音处理
si.inc
hertz-dev是Standard Intelligence推出的开源音频变换器基础模型站点，核心定位为面向音频处理领域的开源技术研究平台，提供85亿参数规模的全双工仅音频变换器模型能力。核心功能包括音频编码转换服务，可将16kHz单声道语音转换为8Hz低比特率潜在表示；支持模型微调工具集，方便研究人员基于现有模型适配特定场景；提供完整的技术文档与开源协作社区，助力跨模态音频学习技术落地。目标用户覆盖AI音频领域研究人员、语音技术开发工程师、跨模态学习相关科研团队，适用于低带宽语音传输场景开发、音频特征提取研究、多模态大模型音频模块搭建等多元场景。
voicedual.com
VoiceDual是一款基于人工智能技术的语音转换工具，核心定位是为用户提供多语言语音转换与声音特效处理服务。核心功能包括跨语种语音转换、自定义声音特效制作、批量语音处理，支持30余种语言的互转，可满足视频创作者、自媒体从业者、配音爱好者等不同人群的需求。适用于多语言视频配音制作、播客内容本地化适配、趣味语音内容创作、外语口语发音模拟等多种场景，能够帮助用户提升内容制作效率，拓展内容的传播覆盖范围。
decoder.espanolconcibaenas.com
Dominican Audio Decoder是由Español con Cibaenas推出的多米尼加西班牙语音频处理工具，核心定位为帮助学习者理解高语速的多米尼加西班牙语内容。平台支持音频减速、音频分段、内容解码三大核心功能，针对多米尼加地区西语的发音特点、俚语表达和语速特征做了专项优化，目标用户覆盖西语学习者、翻译从业者、跨区域商务人员、媒体内容创作者等群体，可应用于西语听力练习、当地节目内容翻译、商务沟通录音复盘、民俗文化内容整理等多种场景，用户可通过上传已有音频文件或直接在线录制声音的方式使用相关功能。
kikivoice.ai
kikivoice.ai是在线AI声音克隆与语音生成服务平台，无需注册即可使用核心功能，支持多语言语音克隆、多音色语音生成、多场景模型适配等核心能力，面向内容创作者、配音从业者、本地化运营人员、有声读物制作者、游戏开发者、教育内容生产者等用户，可满足自媒体内容配音、影视配音本地化、有声读物制作、课程语音录制、游戏角色配音等多种场景的语音处理需求，降低语音内容制作的门槛与成本。
gpt4office.com
GPT4Audio是面向多场景需求的AI语音处理工具站，核心为用户提供音频转文字、实时语音转录、多语言翻译三大类语音相关服务，支持本地音频文件上传处理与实时麦克风输入两种使用模式。适合职场办公人群、内容创作者、学生群体、跨境从业者等用户使用，可应用于会议记录整理、访谈内容转写、课程录音复盘、跨国会议翻译、语音内容创作、字幕文件生成等多个场景，帮助用户降低语音信息转文本的人工成本，提升信息处理效率。
vocol.ai
Vocol AI是专注于语音内容智能化处理的云端服务平台，核心定位为帮助用户将各类语音素材转化为结构化可编辑的文本及衍生内容。其核心功能包括多语种语音转文字、智能内容摘要提取、多模态内容编辑输出，支持会议录音、访谈记录、课程音频、视频字幕等多场景语音素材处理。目标用户覆盖职场办公人群、内容创作者、教育工作者、学术研究者等，可满足会议记录整理、访谈内容复盘、课程字幕生成、研究资料转录等多种使用需求，帮助用户降低语音内容处理的时间成本。
gladia.io
Gladia是一款基于Whisper ASR技术打造的语音处理API服务平台，核心为开发者提供高准确率的语音转文本能力，同时配套多语种翻译、音频智能分析等增值功能。平台支持100+语种的语音内容识别，可自动区分说话人、标注时间戳、识别语气情绪，目标用户覆盖应用开发者、企业技术团队、内容创作服务商、呼叫中心运营方等群体，适用于虚拟会议记录生成、协作平台语音信息转写、音视频内容字幕制作、呼叫中心通话质检等多个使用场景，帮助用户降低语音内容处理的开发成本，提升信息流转效率。
ai-s2-lab.github.io
EmoPP是面向语音合成领域的情绪感知韵律分析开源项目，核心定位是通过深度学习技术挖掘语音中的情感与韵律关联，提升端到端语音合成系统的情绪表达效果。项目支持语音情感线索提取、韵律停顿位置预测、模型效果对比验证三类核心功能，目标用户覆盖语音合成算法研发人员、自然语言处理研究者、语音交互产品开发团队等，可用于多情绪语音合成模型训练、智能语音助手交互优化、有声读物情绪配音开发等场景。
speechlab.ai
Speechlab是面向多语言语音处理需求的桌面端工具平台，核心围绕语音翻译、语音合成两大方向提供技术服务，同时支持多语种识别、自定义音色训练等延伸功能。平台可满足内容创作者、跨境从业者、教育工作者等群体的多场景语音处理需求，适配短视频配音、跨语言会议沟通、有声书制作、外语学习素材生成等多个使用场景，帮助用户降低语言沟通壁垒，提升多语言内容生产效率。
koe.ai
Koe Recast是由koe.ai推出的AI音频处理工具，核心定位是为用户提供基于人工智能技术的声音转换服务。平台支持实时语音变声、预制音色库调用、自定义音色训练、多格式音频导出等功能，同时提供低延迟的实时语音转换接口，可满足不同场景下的声音处理需求。目标用户覆盖内容创作者、游戏玩家、音频从业者、配音爱好者等群体，适用于短视频配音、游戏直播变声、有声书录制、创意音频制作、虚拟角色声线匹配等多种场景，帮助用户实现声音风格的多元化调整。
ai-coustics.com
ai-coustics是专注于AI语音信号处理的工具，核心定位为通过人工智能技术优化音频质量，降低背景噪音对语音内容的干扰。其核心功能包含实时语音降噪、人声分离、音频修复，可适配不同使用场景的音频处理需求。目标用户覆盖内容创作者、在线会议参与者、播客制作团队、客服服务人员、远程办公人群等，可广泛应用于线上会议语音优化、播客后期处理、短视频配音音质提升等场景，帮助用户获取更清晰的语音内容，降低音频后期处理的操作成本。
richlyai.com
RichlyAI是一个集成多模态生成能力的AI创作平台，支持内容生成、图像创作、语音处理与社交媒体内容制作四类核心服务，覆盖从文本产出到多媒体制备的完整创作流程。平台提供一站式创作工具集合，用户无需切换多个工具即可完成多模态内容创作。核心功能包含AI文本生成、AI图像生成、语音合成转写、社交媒体内容规划、格式导出与管理、模型参数自定义调整等，适合内容创作者、新媒体运营、设计师、中小企业市场人员、自媒体博主、学生等人群使用，可应用于自媒体内容创作、商业营销物料制作、个人创意项目开发、教学素材准备等多种场景。
techxperts.tech
Techxperts是一个集成多模态内容生成能力的人工智能平台，面向不同创作需求的用户提供书面内容生成、口头内容转化、视觉内容创作三类核心服务。平台支持从文本创作到音视频内容生成再到图像设计的全流程创作，可满足日常工作、学习、商业项目中的多种内容产出需求。用户可在同一平台完成多种类型内容的创作，无需切换多个工具，提升内容创作效率。
speechpulse.com
SpeechPulse是专注于多场景语音处理的AI工具平台，核心为用户提供语音转文字、文字转语音、语音翻译三类核心功能，面向内容创作者、跨境从业者、办公人群、教育工作者等用户群体，可应用于会议记录整理、视频字幕生成、多语言内容本地化、有声书制作等场景，支持多种主流语言的音频处理，适配不同设备的音频文件导入需求，帮助用户降低语音内容处理的时间成本，提升信息转化效率。
fineshare.com
FineShare FineVoice是专注于AI数字语音处理的工具网站，核心为用户提供全链路语音创作与处理解决方案。支持实时语音变声、多场景音频录制、AI语音生成及自动语音转写功能，面向内容创作者、主播、职场办公人员、配音从业者等群体，可适配直播互动、有声书制作、会议记录、音频后期处理、外语发音练习等多元使用场景，帮助用户高效完成各类语音相关的创作与处理需求。
cartesia.ai
Cartesia Voice Changer是Cartesia推出的专业音频变声工具，核心基于状态空间模型（SSM）架构开发，主打变声过程中保留原始音频的表达方式与情感特征。它支持实时与离线两种变声模式，可适配多语种、不同性别年龄的音色转换，同时支持与Sonic声音生成技术联动实现复杂音频创作。目标用户覆盖音频内容创作者、配音从业者、游戏开发者、直播主播、隐私保护需求用户等，可应用于有声书二次配音、游戏角色语音制作、直播趣味互动、个人音频隐私防护、多语种语音内容本地化等多种场景。