语音识别

LobeVidol将大模型对话与3D虚拟角色结合，公开项目支持VRM角色、动作舞台、语音输入输出及不同模型配置，并提供本地运行与PWA相关说明。

AIWriter.fi将文字模板、聊天、图像生成、代码草稿及音视频转文字整合在内容创作平台，用户可按任务选择模板和使用方案。

Seamless Communication 是 Meta 发布的多语言语音与文本研究模型系列，包含保留表达特征、流式翻译和多任务模型的技术介绍，并提供模型、数据工具及演示入口。

Tailor（泰勒）是公开源码的视频剪辑与处理工具，提供人脸和语音剪辑、字幕生成及视频优化等能力，并给出 Windows 安装版与开发者运行方式。

豆包输入法提供语音输入、方言识别、轻声输入、智能纠错等公开能力，适用于电脑文字输入、语音转文字、文稿录入。

思必驰开放平台提供语音识别、语音转写、语音合成、机器翻译等公开能力，适用于语音应用开发、设备语音集成、字幕转写。

云知声AI开放平台提供语音识别、语音合成、语音分析、语义理解等公开能力，适用于语音应用开发、智能设备交互、企业语音集成。

云知声Token Hub提供文本模型API、语音识别、语音合成、声音克隆等公开能力，适用于AI应用开发、智能体构建、企业模型接入。

天翼AI开放平台提供星辰模型服务、语音识别、语音合成、文档解析等公开能力，适用于企业AI接入、语音应用开发、智能办公应用。

讯飞虚拟数字人提供数字人形象定制、声音克隆、多模态交互、语音识别等公开能力，适用于数字人交互、虚拟讲解、虚拟主播。

小爱开放平台提供语音识别、自然语言处理、语音合成、语音唤醒等公开能力，适用于智能设备语音接入、对话技能开发、智能家居控制。

讯飞开放平台提供语音识别、语音合成、文字识别、机器翻译等公开能力，适用于语音、视觉、语言与星火AI开发服务。实际功能、账号与服务条件以官网当前说明为准。

有道智云提供文本翻译、图片翻译、语音识别、文字识别等公开能力，适用于翻译、视觉、语音和教育AI服务。实际功能、账号与服务条件以官网当前说明为准。

绘影字幕提供语音识别、自动字幕、字幕翻译、字幕编辑等公开能力，适用于语音识别字幕与字幕翻译。实际功能、账号与服务条件以官网当前说明为准。