AI音频

Voicemod Voicemod

实时AI变声工具，支持游戏、直播和社交场景的语音趣味化处理

3D-Speaker

ModelScope 开源的多模态声纹识别与说话人分离工具包

Voicebox Meta

Meta 研究团队提出的通用语音生成模型，核心卖点是零样本、多任务和更快推理

Gemini 3.1 Flash TTS Google

Google推出的新一代文本转语音模型，支持70+语言和音频标签导演级控制

FunASR Tongyi Lab

阿里通义实验室开源的工业级语音识别工具包，50+语言170x实时率、私有化部署

Typecast Typecast

710+ AI语音角色 + SSFM 语音合成模型——最有表现力的AI语音平台

Fun-CosyVoice 3.5 FunAudioLLM

阿里通义实验室FunAudioLLM团队推出的多语种语音生成模型，支持FreeStyle自然语言指令控制与零样本语音克隆

Tortoise TTS TortoiseTTS

高质量开源文本转语音模型，以自然度与语音克隆能力著称的 TTS 质量标杆

Fun-AudioGen-VD Alibaba Tongyi Lab

阿里通义实验室推出的音色设计模型，支持自然语言描述生成音色、情绪与场景化音频。

Superwhisper Superwhisper

面向 macOS、Windows 与 iOS 的 AI 语音输入工具，支持离线与云端转写

Fun-ASR1.5 阿里通义

阿里通义推出的端到端语音识别模型，单模型支持30种语言及七大方言

Suno V5.5 Suno

把 AI 音乐从一句提示词升级到可编辑、可分轨、可商用的浏览器工作站