实时语音

1. 首页
2. 实时语音

MiniMax Audio

MiniMax Audio是一款基于人工智能的语音合成工具，支持多语言、多情感及声音克隆功能，可将文本快速转换为自然流畅的语音。它具备降噪、超长文本合成、实时语音生成等特性，适用于视频配音、播客制作、游戏配音等多种应用场景。

AI项目与工具 2025年06月12日 25 点赞 0 评论 291 浏览

通义浏览器插件

通义浏览器插件是一款集实时语音识别、AI字幕翻译、智能总结于一体的多功能AI工具。支持在线课程、会议记录、外语视频观看等多种应用场景，提供语音转文字、翻译、内容总结等功能，帮助用户高效管理在线信息。此外，用户可通过插件快速访问网页版平台，查看和整理记录内容，实现更便捷的信息处理体验。

AI项目与工具 2025年06月12日 84 点赞 0 评论 139 浏览

SpeechGPT 2.0

SpeechGPT 2.0-preview 是复旦大学 OpenMOSS 团队开发的拟人化实时交互系统，基于大量中文语音数据训练，支持低延迟、高自然度的语音与文本交互。具备情感控制、实时打断、多风格语音生成等功能，适用于智能助手、内容创作及无障碍通信等场景，技术上融合了语音-文本联合建模与多阶段训练策略，提升语音表现力与智能化水平。

AI项目与工具 2025年06月12日 23 点赞 0 评论 240 浏览

Pinch

Pinch 是一款基于 AI 的实时语音翻译视频会议平台，支持超过 30 种语言，提供口译和同声传译两种模式，满足多样化的沟通需求。其核心优势在于无需字幕即可实现自然流畅的语音翻译，具备低延迟和文化敏感性处理能力，适用于国际商务、教育、家庭沟通及客户服务等场景。

AI项目与工具 2025年06月12日 90 点赞 0 评论 219 浏览

Ztalk.ai

Ztalk.ai 是一款支持多语言实时语音翻译的AI桌面应用，具备低延迟、高清晰度和强兼容性，可与主流视频会议平台无缝连接。内置降噪、字幕及AI提示功能，确保沟通效率与质量。采用端到端加密，保障数据安全，适用于全球商务会议、跨境协作、客户互动及多语言培训等场景。

AI项目与工具 2025年06月11日 75 点赞 0 评论 195 浏览

Offer蛙

Offer蛙是一款AI驱动的面试辅助工具，支持实时语音识别与答案生成，结合高频题库和简历信息，为用户提供专业级回答。具备代码题优化、多平台适配及隐私保护功能，适用于技术面试和线上面试场景，提升面试表现与专业形象。

AI项目与工具 2025年06月11日 31 点赞 0 评论 329 浏览

VITA

VITA-Audio 是一款开源的端到端多模态语音大模型，具备低延迟、高推理效率和多模态交互能力。其核心创新包括轻量级 MCTP 模块和四阶段渐进式训练策略，使模型在语音识别、文本转语音和口语问答等任务中表现优异。支持实时对话、智能客服、教育辅助、医疗辅助及内容创作等多种应用场景，适用于各类语音交互系统。

AI项目与工具 2025年06月11日 19 点赞 0 评论 487 浏览

Parakeet TDT 0.6B

Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。

AI项目与工具 2025年06月11日 36 点赞 0 评论 277 浏览

EVI 3

EVI 3是Hume AI推出的全新语音语言模型，能够同时处理文本和语音标记，实现自然、富有表现力的语音交互。它支持高度个性化，根据用户提示生成任何声音和个性，并实时调节情感和说话风格。在与GPT-4o等模型的对比中，EVI 3在情感理解、表现力、自然度和响应速度等方面表现更优，具备低延迟响应能力，可在300毫秒内生成语音回答。EVI 3适用于智能客服、语音助手、教育辅导、情感支持和内容创作等多个

AI项目与工具 2025年06月11日 45 点赞 0 评论 377 浏览

Offerin AI

一款基于GPT-4的AI面试笔试助手，支持实时语音识别、极速回答、精确搜索和代码生成等功能。

招聘求职 2025年06月05日 95 点赞 0 评论 350 浏览