Whisper是一个开源的自动语音识别系统，经过68万小时的多语言和多任务监督数据训练，这些数据是从网络上收集的。

Relayed是一款人工智能驱动的视频会议工具，旨在帮助团队克服远程工作、繁忙的日程安排和会议疲劳。它具有灵活的视频会议，异步对话，自动摘要，通过秘密链接和限制访问轻松共享，以及统一通信，并能够在以后重新访问和共享对话。

Speech Studio是一套用于构建和集成Azure认知服务语音服务功能到应用程序中的工具。它为创建项目提供了一种无需代码的方法，可以访问诸如实时语音到文本、自定义语音识别模型、发音评估、语音库、自定义语音、音频内容创建、自定义关键字和自定义命令等功能。

Otter.ai是一个自动的会议记录和笔记工具，帮助团队充分利用他们的会议。它可以加入Zoom、Microsoft Teams或谷歌Meet会议，以记录和分享笔记，突出关键要点，并直接将会议幻灯片添加到笔记中。它还包括关键字的摘要和大纲，以帮助团队快速浏览会议笔记、搜索、阅读和播放音频。

Nuance是一家语音识别、自然语言理解和文本到语音技术领域的全球领导者

TTS语音向导是一种工具，允许用户通过微软Azure语音识别和TTS将语音转换为文本，然后再转换回语音。它还向VRChat发送OSC消息以在头像上显示文本。该工具有许多自定义选项，包括100多种不同的声音，20多种支持的语言，并能够显示歌曲标题，艺术家和用户以上的进度。

【付费】Sofiya是一款由人工智能驱动的文本到语音转换器，可以快速准确地将文本合成为超过135种语言和方言的自然语音。它支持多种音频格式和频率，并有一个强大的声音工作室，以合并和增强音频效果。它是一款多功能工具，可用于客户服务聊天机器人、语音助手、教育聊天机器人、用于自然语言处理任务的文本生成等。

BlogcastTM是一个文本转语音的工具，允许用户创建播客、视频、电子学习课程的音频和音频书籍，而无需录制。它由人工智能驱动的文本转语音技术提供支持，并提供多种声音和语言可供选择。该工具还提供托管、播客订阅、媒体播放器、WordPress插件，以及与RSS订阅同步的功能。

Beepbooply是一款人工智能驱动的文本转语音工具，允许用户快速轻松地生成具有逼真声音的音频内容。超过80种语言、120种口音和900种声音，用户可以自定义他们的音频，并生成几个小时的高质量音频内容，只需点击一个按钮。Beepbooply提供个人和商业使用的免费和付费级别，并允许无限的下载和项目。

【付费】Spakfly是一款文本转语音软件，可以将任何文本转换成逼真的、听起来像人的画外音。它支持65种语言和400多种不同的声音，并有标准和AI(神经语音)选项。它还提供了一个灵活的定价模式，包括现收现付、套餐和订阅选项。

Audyo是一款文本到语音的AI语音转换器，允许用户通过打字创建和编辑人类质量的AI语音。用户可以使用谷歌登录开始使用。

VALL-E一种用于文本到语音合成 (TTS) 的语言建模方法。具体来说，我们使用从现成的神经音频编解码器模型派生的离散代码来训练神经编解码器语言模型（称为 VALL-E），并将 TTS 视为条件语言建模任务，而不是像以前的工作那样连续信号回归。在预训练阶段，我们将 TTS 训练数据扩展到 60K 小时的英语语音，这是现有系统的数百倍。VALL-E 出现了上下文学习能力，可用于合成高质量的个性化语音，只需录制 3 秒的未见过的说话者的注册录音作为声音提示。实验结果表明，VALL-E 在语音自然度和说话人相似度方面明显优于最先进的零样本 TTS 系统。此外，我们发现 VALL-E 可以在合成中保留说话者的情绪和声音提示的听觉环境。

FineVoice是一种人工智能数字语音解决方案，可以帮助用户增强声音，并实时改变声音。它配有实时变声器，无限的音频和声音效果，录音室质量的录音机，文本到语音，语音到文本。