Loading...
gstack 将 Garry Tan 的开源专家角色以语音机器人形式接入实时会议，支持 Google Meet，并提到可用于 Zoom 和 Teams，通过本地编码代理会话运行。
PodcastorAI 是一款 AI 播客工作室，可将内容转为播客脚本、音频节目和视频播客。支持话题、文档、URL、笔记或录音，一站式生成可发布节目，无需传统录音棚。
VocalVia 将 PDF、文章、笔记、Markdown 和网页内容转换为可编辑播客草稿与音频，先审阅大纲和脚本再生成最终文件。
SpeechifyAI 是一个语音 AI 平台，支持语音生成、声音克隆和语音代理构建。面向开发者，通过单一 API 提供文本转语音、多语言音频和通话工作流。
Alvoff Inference 是面向开发者的 OpenAI 兼容 API，支持语音转文字、文字转语音、embeddings 和聊天/代码生成；只需更换基础 URL，即可沿用熟悉的 SDK，按请求计费。
speech-core 是一款用于本地端语音编排的 C++17 库，支持 VAD、流式与批量 STT、说话人分离、TTS 和语音代理流水线。可本地运行，支持可选 ONNX Runtime 或 LiteRT 后端进行模型推理。
Voiser AI Voiceover 可将文本快速转为配音音频，支持多语言语音选项与风格控制，适合旁白制作、内容本地化及网页工作流。
Tico 是一款适用于 Windows 的 AI 助手，能跟随鼠标指针、识别屏幕内容并用语音引导操作。支持免费每日额度及付费方案，提供更多使用次数与优先支持。
Yeta AI 是一款基于浏览器的 AI 配音工具，可实时翻译并为公开 YouTube 视频配音，适合教程、讲座等长视频观看，支持 10 多种语言，无需字幕。
Morph 是一款基于网页的经典公版读物平台，融合文本、同步朗读和 AI 助手，支持阅读、听读切换，并可浏览精选书库和获取书籍帮助。
FlowSpeech 是一款上下文感知的文本转语音工作室，可将脚本和上传文件转为自然人声。支持多种生成模式、停顿与情绪控制，并提供免费方案及付费套餐。
xAI 的 Grok Speech to Text and Text to Speech APIs 为应用提供转录与语音生成，支持 REST 和 WebSocket、25+语言、自然 TTS，以及按用量计费。
Gemini 3.1 Flash TTS 是 Google 的预览版文本转语音模型，可生成富有表现力的 AI 语音，并支持对风格、语速和表达方式进行细粒度控制，适用于 Gemini API、Google AI Studio、Vertex AI 和 Google Vids。
Guardrails 2.0 是 ElevenLabs 为 ElevenAgents 提供的控制层，帮助 AI 语音代理保持话题聚焦、符合政策，并更安全地部署到生产环境，适用于支持、销售、营销、前台和内部流程团队。
HeyGen Developers 官方 API 文档，支持制作 AI 头像视频、视频翻译、口型同步和交互式视频代理会话；适合开发者通过 API、MCP 和 CLI 工作流接入。
Smallest.ai Lightning TTS 是一款文本转语音 API，可将文本快速生成语音，支持低延迟、多语言和快速声音克隆，适合开发者与产品团队构建语音代理、旁白内容和生产级语音工作流。
Voxtral TTS 是 Mistral 的文本转语音模型，可生成逼真、多语言语音，适用于语音代理与企业语音流程。支持短参考音色适配、低延迟输出，并可通过 Mistral Studio、Le Chat、API 及 Hugging Face 开放权重访问。
Gemini 3.1 Flash Live 是 Google 面向开发者、企业和消费者场景的实时语音模型，提供自然对话体验。开发者可在 Google AI Studio 预览使用，并驱动 Gemini Live 与 Search Live。
listen. 可将文章链接、PDF 或粘贴文本转为音频，在播客应用中直接收听；还提供每日精选文章流和 Chrome 扩展，方便浏览时快速保存。
Voizematic 是一款 AI 语音客服平台，可自动处理来电、外呼、预约安排和跟进，并支持无代码部署电话客服并连接 Google Workspace。