SenseVoice
一款阿里通义实验室发布的FunAudioLLM框架多语言音频基础模型，SenseVoice具有多语种、混合语言、音色和情感控制能力。
音频
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。
PhonicMind
PhonicMind是一款利用AI技术的专业音频处理工具，专注于人声移除和乐器分离。它支持多种音频格式，提供从卡拉OK制作到音乐混音的全面功能，满足音乐制作、声乐练习及教育等多种应用场景的需求。其直观的操作界面和高质量的音频处理能力使其成为音乐爱好者的理想选择。
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。
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。
Fineshare FineVoice
Fineshare FineVoice 是一款多功能 AI 配音生成工具，支持文本转语音、语音转文本、AI 变声、声音克隆和音频生成等功能。提供超过 1500 种声音和 149 种语言选项，适用于视频制作、播客、教育、营销等多种场景，助力用户高效创作高质量的多语言内容。具备强大的自定义能力和便捷操作，适合个人与企业用户使用。
