怎么选 · 先看这 3 个
53 / 53 个软件
ElevenLabs 逼真的 AI 语音合成、声音克隆和语音 agent 平台。 闭源 / 商业 免费增值 WebiOSAndroid Suno 一句提示词生成带人声的完整歌曲。 闭源 / 商业 免费增值 WebiOSAndroid OpenAI Whisper v20250625 ★ 111k OpenAI 开源的稳健语音识别模型。 开源 localPythonCLI TurboScribe 高精度音视频转写，支持近百种语言。 闭源 / 商业 免费增值 Web Speechify 把书、PDF 和网页朗读成自然语音。 闭源 / 商业 免费增值 WebiOSAndroid Moises AI 分离人声和乐器，帮助音乐人练习和创作。 闭源 / 商业 免费增值 WebiOSAndroid Fish Audio 可控情感的语音合成和快速声音克隆。 闭源 / 商业 免费增值 WebAPI Descript 像改文档一样剪辑音视频，内置转写和 AI 配音。 闭源 / 商业 免费增值 WebmacOSWindows Wispr Flow 在任意应用里语音输入，实时整理成通顺文字。 闭源 / 商业 免费增值 macOSWindowsiOS Mureka 昆仑万维的 AI 音乐生成平台。 闭源 / 商业 免费增值 WebAPI Riverside 在线录制和剪辑高清播客与视频，内置 AI 剪辑。 闭源 / 商业 免费增值 WebiOSAndroid HappyScribe 多语言转写、字幕和会议笔记。 闭源 / 商业 免费增值 Web LALAL.AI 分离人声和乐器、清理音频。 闭源 / 商业 免费增值 WebmacOSWindows Cartesia 低延迟语音合成和转写 API，面向实时语音 agent。 闭源 / 商业 免费增值 API 豆包输入法 字节跳动的 AI 输入法，语音输入准确率高。 闭源 / 商业 免费 iOSAndroidWindows Udio 生成式音乐创作与分享平台。 闭源 / 商业 免费增值 Web OmniVoice 0.2.1 ★ 15k 支持 600+ 语言的高质量声音克隆 TTS。 开源 local voicebox ★ 58k 开源 AI 语音工作室：克隆、听写和创作。 开源 local Typeless AI 语音输入工具，把口述整理成书面文字。 闭源 / 商业 免费增值 macOSWindowsiOS GPT-SoVITS ★ 63k 少样本声音克隆与 TTS。 开源 local VibeVoice ★ 55k 微软开源的前沿语音模型。 开源 localAPI VoxCPM ★ 40k 无 tokenizer 的多语言 TTS。 开源 local index-tts ★ 25k 工业级可控高效零样本 TTS。 开源 local FunASR ★ 21k 工业级语音识别工具包。 开源 local speech-to-speech ★ 14k 用开源模型搭建本地语音 agent。 开源 local FluidVoice v1.6.11 ★ 12k 端侧 STT + AI 增强的 macOS 听写应用。 开源 macOS YuE ★ 12k 前沿音乐生成：符号规划、零样本翻唱、agentic 编曲。 开源 local moonshine ★ 11k 超低延迟 STT / TTS / 意图识别，适合语音 agent。 开源 local supertonic ★ 11k 极速端侧多语言 TTS（ONNX）。 开源 local pocket-tts v4.0.1 ★ 10.0k 能在 CPU 上跑的口袋 TTS。 开源 local openwhispr ★ 9.7k 本地（Parakeet/Whisper）与云端（BYOK）语音听写。 开源 desktop mlx-audio ★ 8.1k 基于 MLX 的 TTS / STT / STS 库。 开源 macOS vibe ★ 7.8k 本地音视频转写。 开源 desktop dograh ★ 5.9k 开源语音 AI 平台，Vapi / Retell 的自托管替代。 开源 self-host MOSS-TTS ★ 4.2k 开源长文本语音、对话合成与声音设计模型族。 开源 local openless ★ 3.9k 按住说话、松手出字的 AI 润色听写。 开源 desktop vocode-core ★ 3.8k 搭建语音 LLM agent 的模块化开源框架。 开源 Python VoiceStudio（本地语音克隆与配音） ★ 81k 开源、可完全本地运行的 ElevenLabs 替代：声音克隆、音色设计、视频配音、听写、转写和有声书制作（自述支持 646 种语言），默认引擎基于 k2-fsa/OmniVoice；提供本地 API 和 MCP 供 agent 调用，macOS / Linux 一键安装桌面版。AGPL-3.0 开源 ChatTTS v0.2.5 ★ 40k 对话场景 TTS 开源 SDK fish-speech v1.5.1 ★ 33k 开源 TTS 开源 API chatterbox v0.1.2 ★ 27k Resemble 开源 TTS 开源 SDK faster-whisper v1.2.1 ★ 26k CTranslate2 加速 Whisper 开源 SDK whisperX v3.8.6 ★ 25k 带时间戳与说话人分离的 Whisper 开源 CLI CosyVoice v2.0 ★ 24k 阿里多语种语音生成 开源 SDK sherpa-onnx tauri ★ 15k 离线语音识别/合成 开源 SDK SenseVoice v1.0.0 ★ 9.6k 多语种语音理解模型 开源 SDK Kokoro-FastAPI v0.9.0 ★ 5.6k Kokoro TTS 的 OpenAI 兼容服务 开源 API Fish Audio Drama 3（多角色长文本 TTS，35B-A3B） Fish Audio 新一代语音合成模型（HF 2026-10-01）：35B 参数、每 token 激活 3B 的 MoE 文本骨干 + 10 码本音频解码器，一段文本最多 16 个角色（speaker 标签），支持声音克隆、[sighs]/[laughs] 等自然语言控制标签，长文本自动分段并可流式输出；首发即支持 SGLang-Omni 和 vLLM-Omni。许可为研究许可，商用前请看条款 开源 海绵音乐 抖音旗下的 AI 音乐创作产品，一句话生成歌曲、改编热曲。 闭源 / 商业 免费 WebiOSAndroid 魔音工坊 国内 AI 配音平台，常用于短视频和有声书配音。 闭源 / 商业 免费增值 Web Murf AI AI 配音与语音 agent 平台，生成接近真人的语音。 闭源 / 商业 免费增值 WebAPI superwhisper AI 语音输入法：在任意应用里说话转文字，支持离线和 100 多种语言。 闭源 / 商业 免费增值 macOSWindowsiOS Whistle（端侧语音识别） Cactus Compute 端侧 ASR：整模约 16.9MB 单文件，与 Needle 共用引擎；转写、词级时间戳、语音 embedding；英德法西意荷波七语 开源
关于这页的数据
- 默认按“推荐”排序：编辑定稿的常用在前，其余按热度；通用开发软件和已归档项目排在后面。
- 数据核实于 2026-10-22，只链官方来源。 JSON API