AI 语音

Elevenlabs' fastest and most emotive voice models yet

ElevenLabs 推出的 Eleven v4 与 Eleven v4 Turbo 语音生成模型，主打更强的情绪表现力，其中 Turbo 版本面向实时语音交互场景，可通过 App、API 和 Agent 调用，解决机器配音情感平淡、延迟高、难以用于实时对话的问题。

Talk to an AI Agent with a real face and voice, in real time

Ojin 提供带有真实面孔和声音的 AI 智能体 API，支持实时打断式自然对话，只需一张照片即可创建可交互的数字人形象。

Microsoft’s own AI chip, headed to multi-gigawatts

微软自研第二代AI推理芯片Maia 300，专为大规模低延迟AI推理优化，将成为Azure及微软全线产品的主力推理基础设施。

Full-duplex voice for ChatGPT

GPT-Live 是 OpenAI 为 ChatGPT 推出的全双工语音模型，支持同步听说、自然处理停顿与打断，解决了传统语音助手交互不自然、延迟高的问题。

You say it, Devin ships it

Devin Voice 是 Cognition AI 为其 AI 软件工程师 Devin 推出的语音交互界面，用户只需开口说出需求，Devin 即可自动规划、编码并交付软件成果。

Turn voice chats with Muse into live video calls

Muse Realtime Avatar 为 Meta 的 Muse AI 助手赋予可视频通话的全身实时虚拟形象，支持唇形、表情、手势与肢体动作同步，延迟约870ms，解决语音AI缺乏视觉存在感的问题。

Intelligent Transcription with a Speech LLM

Nemotron 3.5 Transcribe 是 NVIDIA 推出的开源语音大语言模型，支持 40 种语言的智能转录，可通过自然语言指令控制输出格式，并提供说话人归因和词级时间戳。

AI voice acting you can direct, not just generate

Fish Audio Drama 3 是一款支持自然语言指令控制的 AI 配音模型，让用户能够导演式地创作有表现力的多角色语音内容，适用于有声书、游戏对话、旁白等场景。

xAI’s speech-to-speech voice model, under 1s latency

xAI 推出的语音转语音模型 Grok Voice 3.0，以低于1秒的延迟为语音代理提供业界领先的智能语音交互能力，并已落地特斯拉车载和星链客服场景。

Bring up to 15 images and 3 voices into one 4K scene

Vidu Q4 是生数科技推出的 AI 视频生成模型，可将最多 15 张参考图与 3 段音色融合进同一个 4K 场景，并原生生成音频，为创作者提供更流畅的运动质量与更强的提示词控制力。

AI voiceover with every name, price and date said right

Onepin 是一个 AI 配音的语音质检与修音工具，接入 ElevenLabs、OpenAI、Google 等 30 多种已有语音模型，自动校正人名、价格、日期的读法，对每句打分并在不重新渲染整条音频的情况下只修错词，解决多语言 AI 配音里“名字念错、数字日期读错、没人有时间逐句听”的问题。

Our most precise speech-to-text model yet

Google推出的最新高精度语音转文字模型，专为实时精准转录场景设计，是Gemini系列在语音识别领域的延伸。

Search photos by text, speech, object & faces. 100% offline.

Memoria 是一款完全离线的本地相册智能搜索引擎，利用设备端 AI 实现通过文字、语音、物体和人脸搜索照片和视频，无需云端或订阅。

Meeting notes that get the details right.

Wispr Flow Notetaker 是一款 Mac 端 AI 会议记录工具，能自动识别发言人姓名、同步用户术语库，并支持通过 MCP 将会议记录直接导入 Claude 或 ChatGPT，让会后跟进更准确高效。

Open-source Mac dictation App that's 100% on-device

Megaphone 是一款完全本地运行的 Mac 开源听写应用，无需账号或订阅，按住 Fn 键即可将语音转化为干净文本输入任意应用。

AI account executives that demo and close B2B deals

River 是一款 AI 销售代表产品，能够在 B2B 潜在客户询盘时立即接入通话、完成产品演示并处理异议直至成交，解决销售团队日历排期导致的线索流失问题。

Hold a key, speak, and Lispr writes it anywhere

Lispr 是一款免费的 Mac/Windows 语音听写与实时翻译工具，按住快捷键即可将语音转文字输入到任意应用，支持 99 种语言识别和 32 种语言翻译，无需账号、无需下载模型。

Native code switching, better diarization, more languages.

AssemblyAI 推出的新一代语音转文字模型，支持18种语言无缝切换、高精度说话人分离，面向开发者提供实时与异步两种API接入方式。

Local AI Autocomplete in your voice, anywhere on your Mac

Cotypist 是一款运行在 Mac 本地的 AI 自动补全工具，无需联网即可在 Mail、Slack、Notes 等任意应用中提供实时文字续写建议，解决用户在写作时需要频繁切换 AI 工具的效率问题。

AI that handles your personal chores in the real world

Asmi 是一个 AI 语音助理，每天早晨主动致电用户了解待办事项，然后代替用户拨打电话处理日常杂务（预约、沟通、等待接听），并通过 iMessage 或 WhatsApp 汇报结果。

Lip-synced AI dubbing for creators, brands and studios

Vaani 是一款 AI 配音工具，通过克隆原声、保留音乐并实现帧级唇形同步，帮助创作者和品牌以低成本将视频内容本地化为 40+ 种语言。

Expressive TTS with voice cloning in 15 languages

微软推出的高表现力语音合成模型，支持短样本声音克隆与15种语言情感控制，面向生产级语音智能体开发者。

AI Agents for Fortune 500 grade customer support

Cignara 为企业提供具备严格策略治理的 AI 客服代理，支持语音与文字全渠道对话，主打零幻觉、可验证的客户服务自动化。

Every tool you need, in one Mac app

Koi 是一款把语音听写、会议记录和屏幕感知 AI 助手三合一打包进 macOS 菜单栏的 Mac 应用，主打用快捷键（Fn+⌥/⌘/⌃）在任何应用里说话输入、指挥 AI 操作屏幕、无机器人入会地录制通话，让用户不必再为三个工具分别付费。

Transcribe meetings and dictate anywhere on Mac & Windows

TwinMind for Desktop 是一款 Mac/Windows 原生 AI 助手，能自动识别 Zoom、Meet、Teams 等会议并生成 140+ 种语言的实时转写与摘要，同时用常驻悬浮麦克风让用户在任意应用中按住热键说话、自动润色并粘贴成文，把「会议记录」和「语音输入」合二为一。

A voice to-do list that files, plans and asks first

Foley 是一款语音优先的待办清单工具，用户口述要做的事，它自动生成带项目、日期和提醒的任务，信息不确定时先追问而不是瞎猜，计划变动时通过语音把任务改期，并能回答“今天先做什么”这类规划问题，覆盖 Apple Watch、iPhone、Android、Mac、Windows 和网页。

Describe your business. AI builds and runs your workspace.

Resillator 是一个由 AI 生成并托管运营的一体化业务工作台：用户用一句话描述自己的业务，AI 在约一分钟内搭出 CRM、项目、发票、文档和语音 Agent 等模块，随后 AI Agent 还能直接接手这些业务数据（选中记录交给 Agent 处理），把「建系统」和「用系统干活」两步合一。

Voice-first coding harness

SKI 是一款 Mac 端语音优先的编码代理管理工具，让开发者可以同时语音控制多个 AI 编程助手（Claude Code、Codex、Cursor 等），并在任意代理需要响应时即时通知用户。

AI-ready voice infrastructure on your own SIP trunk

Comcent 是一套面向以电话沟通为核心的团队的云语音基础设施，用户通过几键接入自有 Twilio 或任意 SIP 提供商，即可在浏览器中完成呼叫、排队、转接与录音，并由 AI 负责转录、摘要、情绪打分、承诺事项追踪，同时支持 AI 语音机器人接听并转交人工，每通电话还能以标准 vCon 格式回流到自有系统。

Speech-to-speech model benchmarks on live phone calls

Cekura Bench 是一个面向实时语音模型的公开评测基准，把 9 个语音到语音模型当作完整的电话客服代理放在真实通话中跑 82 个场景、每个跑三次，从可靠性、数据准确性、卡顿挂断、响应时间和成本等维度打分排名，并公开全部通话记录供核验,解决语音 AI 选型时缺乏可复现、可验证第三方评测的问题。

Talk to your coding agent

Sente 是一个支持双向语音交互的编程 Agent，开发者可以在终端或手机上用说话的方式驱动它写代码，并聚合了 Claude、GPT、Gemini、DeepSeek 等 404 个模型到同一账号下按量计费使用。

AI receptionist built for UK trades & contractors

TradeRing 是一款面向英国建筑与家装承包商（水管工、电工、屋顶工、建筑商等）的 AI 电话接待员，在工人施工或开车无法接电话时自动应答、筛选潜在客户，并将预约直接写入其日程，实现 7×24 小时不漏单。

Open-source voice notes that file your tasks and reminders

Voice Memo 是一款开源的语音备忘工具，把你走路或开车时随手录下的语音自动转成任务、决策、问题和提醒，按项目归档并支持后续修改，通过 Claude 对笔记进行问答，用户可在 Cloudflare 免费额度上自托管、月成本为 0。

A context aware FOSS voice assistant and dictation for macOS

Speek 是一款运行在 Mac 刘海区域的上下文感知语音助手与听写工具，用户按住快捷键即可在任意应用中口述输入、改写选中文本，或让 AI 直接操作屏幕上的目标与应用账户，从而把手动键盘操作替换为自然语言指令。

an ai teleprompter that lives under your MacBook notch

getcta 是一个 macOS 提词器工具，把提词窗口贴在 MacBook 刘海下方、紧邻摄像头的位置，让用户在录制或直播时视线始终对准镜头，并通过本地语音识别跟随朗读自动滚动高亮，同时对 Zoom、Meet、OBS 及录屏软件隐形；AI 还能根据笔记、Notion 或 Google Drive 内容生成脚本并按 15 秒至 3 分钟改写。

Keep listening. Searchable memory for your AI agents.

Hemory 是一款面向 AI Agent 的「可搜索个人记忆」产品，通过用户已有的 iPhone 或 Apple Watch 持续监听日常对话，自动切分成带说话人标签的片段并沉淀为私有记忆库，再经由 MCP 接入 Claude、Codex、Cursor 等 Agent，让 AI 拥有可回溯的真实上下文。它解决的是 AI 助手「没有长期记忆、不了解用户真实对话语境」的问题，同时刻意区别于会议转录工具。

Let your agent make the calls you don't want to

Kelam 给 AI 助手配一个专属电话号码，让它既能主动拨打电话、也能接听来电，从而触达锁匠、诊所、修车行这类没有网站和 API 的现实世界服务；只需一句话即可把这项能力装进 Claude、Muse、编码代理或终端里。

One AI agent for every call, chat, and DM

IntellAgents 用一个 AI 智能体统一接管企业的所有客户沟通渠道——接听与主动外呼电话、处理 WhatsApp、Instagram、Facebook、Telegram 及官网聊天，基于同一套知识库 24/7 运行并支持最多 36 种语言，替代企业为每个渠道单独采购工具的做法。

Real-time voice translation that sounds like you

Speechka 是一款实时语音翻译工具，能在保留用户原声音色的前提下，将语音实时翻译成44种语言，适用于会议、直播、演讲等场景。

Voice writing that works before, during, and after meetings

MosMos 是一款AI语音写作工具，支持会议前中后全流程，能将个人思考和多人对话转化为结构化文字、摘要和行动项。

AI agents that switch between voice, text, and visuals

Sierra 推出多模态 AI 客服代理，能在同一对话中自动切换语音、文本和视觉三种交互模式，提升客户服务体验。

AI voice typing that sounds right in every app

Voiskey 是一款跨平台 AI 语音输入工具，能将用户的口语化表达智能转化为适配不同场景（朋友、同事、AI）的文字，速度比打字快 5 倍。

Mac dictation that spells your code identifiers right

VaniQ 是一款面向 Mac 开发者的本地语音听写工具，通过预读代码仓库来正确识别并拼写代码标识符，彻底解决通用听写应用将变量名/函数名转录错误的痛点。

Speak naturally and move from thoughts to being done

Loqua 是一款 AI 语音生产力工具，让用户通过自然语音将想法直接转化为可用内容，并支持屏幕理解、朗读、翻译、编程等工作流，减少打字与上下文切换。

Small specialized AI models for speech, text, vision

Desert Ant Labs 提供可在手机或浏览器本地运行的小型专用 AI 模型（语音、文本、视觉），无需联网、无按次计费，通过统一 SDK 几行代码即可集成。

Turn spoken feedback into tasks your coding agent can run

Aloud 是一款 Mac 工具，将用户的语音反馈和屏幕录制转化为结构化任务，直接驱动 Claude、Cursor 或 Codex 等 AI 编程代理执行。

Free voice coding for Claude Code, Codex and more

SKI 是一款免费的桌面端语音编程工具，让开发者可以用语音与 Claude Code、Codex 等 AI 编程助手实时对话协作，像和真实队友交流一样构建代码。

Build Voice AI Agent in 10 Minutes

Bolna Agent Studio 是一个无代码平台，让任何企业能在10分钟内构建并部署生产级语音AI客服代理，无需提示词工程经验。

Missed calls, handled: callers get a text, you get the gist

Phonable 是一款替代 iPhone 运营商语音信箱的应用，在漏接电话时双向补救：自动给来电者发短信说明未接原因，同时把语音留言转成文字并附上 AI 摘要，用户还能一键切换工作/开车/健身等接听模式，用自己的声音或 AI 声音做问候语。

Like Claude Code for voice AI, from 2¢/min

Zeus 是一个全自动语音 AI 代理构建平台，通过 AI 自动完成语音智能体的创建、测试和调优，以更低成本（2美分/分钟起）和更高准确率（99.4%）替代传统 STT-LLM-TTS 流水线方案。

Your private memory for every conversation

Pauta 是一款本地优先的会议录音与转录工具，可离线处理音频并生成摘要和待办事项，全程数据存储在用户设备上以保护隐私。

a private video, voice, photo & text diary for iPhone

一款完全本地运行AI的iPhone私人日记应用，支持视频、语音、图片和文字记录，通过端侧AI实现转录、情感分析、语义搜索和生成艺术，零数据上传保护隐私。

Realtime speech-to-text for voice agents, $0.36 an hour

Fish Audio 提供实时语音转文字 API，专为语音智能体设计，支持 WebSocket 流式传输、多语言识别与背景噪声过滤，定价 $0.36/小时。

Enterprise voice agents with telephony, tools and knowledge

Cartesia Managed Agents 是一个面向企业的端到端语音智能体平台，整合了电话系统、知识库和外呼营销功能，解决企业级语音对话自动化问题。

Turn natural speech into real work for an agent to complete

SpeakON Agent 是一款语音驱动的 AI 代理工具，将自然语音转化为可执行任务，连接用户工具并在用户确认后自动完成工作流。

The only voice AI harness that you'll ever need

Vaani 是一个无代码语音 AI 智能体构建平台，帮助企业快速搭建拟人化电话客服机器人，处理呼叫流程、异议应对和知识库集成，通话结束后自动输出结构化数据。

The voice-first assistant for small business owners

Empacer 是一款面向小微企业主的语音优先 AI 助手，通过简短的初始设置快速了解业务背景，让用户用语音发出指令即可完成客户回复、社交媒体发帖、开具发票等日常任务。

Turns your voice into ready-to-send text in any Mac app

Loqui 是一款 Mac 端语音转文字工具，用户按住快捷键说话即可将语音转为指定语气的文本并直接插入光标位置，同时支持会议转录与纪要生成，覆盖 90+ 语言。

Local AI for dictation, meetings, background tasks and more

sideOS.ai 是一款运行在 Mac 刘海区的本地 AI 助手，通过快捷键语音指令控制电脑执行屏幕阅读、应用操作、打字等任务，支持完全离线或自带 API Key 使用。

Give your AI agent a phone that calls and answers

call4me 为 AI 智能体提供电话能力，支持自动拨出和接听业务电话，并返回通话结果与转录文本，解决 AI Agent 无法直接处理语音电话的痛点。