Fish Agent
Fish Agent是一款集成了自动语音识别（ASR）与文本到语音（TTS）技术的端到端语音处理工具，能够直接实现语音到语音的转换，无需传统语义编码器/解码器。它支持多种语言，适用于语音转换、环境音频信息捕捉等场景，并基于深度学习技术优化了语音处理性能。Fish Agent可广泛应用于内容创作、教育、客户服务及娱乐等领域。
语音
Gemini Live
Gemini Live是一款由谷歌开发的智能语音助手，拥有自然语言理解和多模态识别能力，支持语音、图像和视频交互。其主要功能包括自然语言对话、多模态识别、个性化语音选择、任务自动化以及智能打断和续接。此外，Gemini Live还与谷歌的原生应用深度集成，提升用户体验。目标用户包括商务人士、技术探索者、多语言用户、创意人士和老年人。
Imagine Explainers
Imagine Explainers 是一款基于 AI 的视频生成工具，支持用户根据主题和时长快速生成高质量动画视频。提供多种模板、角色和风格选择，支持 AI 语音或自定义音频。适用于教育、商业、营销等多个领域，能够将复杂内容转化为直观的视觉表达，提升信息传达效率。
Quick Mock
Quick Mock 是一款由 MirWork AI 开发的 AI 驱动型面试准备工具，能够将职位描述转化为定制化模拟面试体验。用户可通过 Chrome 扩展程序与 AI 面试官进行实时语音对话，并获得详细的反馈和评分。该工具支持与 LinkedIn 等平台集成，简化了面试练习流程，适用于求职者、企业培训及教学辅助等多种场景，有效提升沟通能力和面试表现。
AI Transcribe
Transcribe 是一个基于 OpenAl 训练并开源的录音转文字工具，支持英语、中文等多种语言，最大的优点就是无需下载大型的模型文件。
Whisper Input
Whisper Input 是一款开源语音输入工具，基于 Python 和 OpenAI Whisper 模型开发，支持多语言语音识别与实时转录。用户可通过快捷键操作录音并生成文本，具备翻译、自动标点、高效处理及本地运行等功能。适用于会议记录、教育、智能交互及媒体制作等多种场景。
PlayDiffusion
PlayDiffusion是Play AI推出的音频编辑模型，基于扩散模型技术实现音频的精细编辑和修复。它将音频编码为离散标记序列，通过掩码处理和去噪生成高质量音频，保持语音连贯性和自然性。支持局部编辑、高效文本到语音合成、动态语音修改等功能，具有非自回归特性，提升生成速度与质量。适用于配音纠错、播客剪辑、实时语音互动等场景。
