千问App接入高德扫街榜，推出AI语音代订餐厅功能。用户只需语音说明位置、预算、包厢及家庭友好度等需求，系统即可基于真实商户数据精准筛选。选定后，AI将模拟真人语调自动致电商家沟通。
亚马逊推出AI可穿戴设备Bee，操作简便，一键录音。用户可通过应用自定义按钮功能，如双击标记对话片段、处理对话或同时操作，长按可留语音备忘录或与AI助手对话。Bee具备监听、录音和转写功能，独特之处在于其便捷的交互设计。
三星Family Hub智能冰箱新增语音开关门功能，用户可通过Bixby语音助手控制冰箱门开关，支持超过90度完全打开，方便烹饪时使用。
夸克AI眼镜于12月31日完成首次OTA升级，新增录音纪要、图文备忘录、多意图理解与执行、蓝环支付及社区服务五大功能，并对翻译、行程查询等既有功能进行优化。通过自研语音增强模型与硬件配置，其录音功能现支持十米范围清晰收音与有效降噪。
一体化AI创意平台，集视频、图像、音乐、语音合成等功能于一体。
Levelr提供AI音频修复、母带处理、语音隔离与增强等功能。
免费的一体化AI语音创作平台，支持文本转语音等功能
AI音频API，提供文本转语音、语音克隆和声音转换功能。
Openai
$7.7
Input tokens/M
$30.8
Output tokens/M
200
Context Length
Alibaba
-
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
$0.8
$2
128
Baidu
Tencent
$0.7
$1.95
16
$2.4
$12
8
32
$3
$9
$1.6
$10
Huawei
pnnbao-ump
VieNeu-TTS-1000h是一款先进的越南语端侧文本转语音模型，基于约1000小时高质量越南语语音数据训练，具备即时语音克隆功能，支持越南语与英语的无缝切换，能在CPU或GPU上实时合成24kHz波形。
IbrahimSalah
这是一个基于300小时纯净阿拉伯语音频数据微调的文本转语音模型，专门为带完整元音符号的现代标准阿拉伯语提供高质量语音合成，支持声音克隆和长文本处理功能。
dinhthuan
NeuTTS-Air越南语文本转语音模型是基于260多万条越南语音频样本，从NeuTTS-Air基础模型微调而来的高质量越南语语音合成模型。该模型能够实现自然流畅的越南语语音合成，支持语音克隆功能，并针对生产环境进行了优化。
malaysia-ai
基于Qwen/Qwen3-1.7B-Base进行继续预训练的多语言语音转换和文本转语音模型，支持多语言、多说话人的语音生成和转换功能。
inclusionAI
铭音通是一个创新的统一语音框架，将语音理解、生成和编辑功能整合为一体。它采用统一的连续语音分词器，能在端到端模型中有效融合语义和声学特征，是首个仅通过自然语言指令就能实现通用、自由形式语音编辑的系统。
Ken-Z
本模型是microsoft/speech-t5的微调版本，专门针对拉丁语进行了优化训练。它使用了来自Vox Classica数据集的67小时拉丁语音频数据进行训练，能够实现高质量的拉丁语文本转语音功能。
neuphonic
NeuTTS Air是世界上首个具备即时语音克隆功能的超逼真、端侧文本转语音（TTS）语言模型。基于0.5B参数的大语言模型骨干构建，能为本地设备带来自然的语音、实时性能、内置安全性和说话人克隆功能。
NeuTTS Air是全球首个具有即时语音克隆功能的超逼真设备端文本转语音模型，基于0.5B参数的大语言模型骨干构建，能在本地设备上实现自然语音生成、实时性能和说话人克隆功能。
NeuTTS Air是世界上首个具备即时语音克隆功能的超逼真、设备端文本转语音（TTS）语言模型。基于0.5B大语言模型骨干网络构建，能为本地设备带来自然的语音、实时性能、内置安全功能和说话人克隆能力。
stepfun-ai
Step-Audio 2 是一款端到端的多模态大语言模型，专为满足行业级音频理解和语音对话需求而设计。具备先进的语音和音频理解能力、智能语音对话功能、工具调用和多模态检索增强生成能力，在多个音频理解和对话基准测试中取得了领先的性能。
minpeter
这是Voxtral-Mini-3B-2507的一个特定版本，移除了语音识别功能，仅保留纯语言模型功能。该模型与尚未发布的Ministral-3B-Instruct模型类似，专注于文本生成任务。
Tinysoft
CosyVoice2 是一个专注于文本转语音功能的模型，基于 FunAudioLLM 开发，参数规模为 0.5B。
FluidInference
CoreML Silero VAD是Silero语音活动检测（VAD）模型的CoreML实现，专为苹果平台（iOS/macOS）进行了优化，提供实时语音活动检测功能。
re-skill
Orpheus TTS 是一款基于 Llama 的先进语音大语言模型，专为实现高质量、富有情感的文本转语音功能而设计。
Mungert
Qwen2.5-Omni-7B是一款功能强大的多模态模型，能够感知文本、图像、音频和视频等多种模态信息，并以流式方式生成文本和自然语音响应。
MALIBA-AI
为班巴拉语提供神经文本转语音合成功能，支持10位地道的班巴拉语发音人，生成高保真音频。
Misha24-10
基于F5-TTS微调的俄语语音合成模型，支持重音标记功能，训练时长超过5000小时。
mrfakename
OpenF5 TTS 是一款基于F5-TTS框架训练的开源文本转语音模型，支持零样本语音克隆功能，采用Apache 2.0许可协议，可商业使用。
Emova-ollm
EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，能够生成具有情感控制的文本和语音响应。
YaTharThShaRma999
Orpheus-3b FT的4位AWQ量化版本，专为文本转语音任务优化，支持语音克隆功能。
mcp-hfspace是一个连接Hugging Face Spaces的MCP服务器，支持图像生成、语音处理、视觉模型等多种AI功能，简化了与Claude Desktop的集成。
MiniMax-MCP是一个多功能服务器项目，提供文本转语音、视频生成和图像生成等API服务，支持开发者集成高级多媒体功能。
这是一个基于Node.js的MCP服务器项目，通过Model Context Protocol实现AI助手与棒読みちゃん语音合成软件的集成，提供文本转语音功能。
Zonos TTS与Claude的MCP集成项目，实现文本转语音功能。
Speech MCP是为Goose设计的语音交互扩展，提供实时语音识别、高质量文本转语音、多语言支持和现代化音频可视化界面，支持多角色对话生成和音频转录功能。
Voice Mode是一个为AI助手提供自然语音对话功能的工具，支持与Claude、ChatGPT等LLM通过MCP协议进行人机语音交互。
一个基于Rime API的文本转语音MCP服务器，提供系统音频播放功能。
MCP服务工具集合，提供Hugging Face和Dify的AI服务API调用功能，支持多种NLP、CV和语音处理任务。
TeamSpeak MCP是一个基于Model Context Protocol的服务器控制工具，专门用于让AI模型（如Claude）管理TeamSpeak语音服务器。它提供39种功能工具，涵盖用户管理、频道控制、权限配置等全方位操作，支持多种部署方式（PyPI/Docker/本地），实现自动化TeamSpeak管理。
mcp-audio是一个符合AIO-2030标准的MCP插件，提供语音转文字功能，支持多种音频格式和API调用方式。
Speech MCP 是一个为Goose设计的语音交互扩展，提供实时语音识别、文本转语音和音频可视化功能。
一个基于Chatterbox TTS模型的简化MCP服务器，提供文本转语音生成及自动播放功能，支持实时进度通知和自动模型加载。
该项目扩展了视频语音识别功能，从仅支持本地Whisper模型，新增支持简影和B站剪辑的在线语音识别服务，提供了灵活的多服务选择架构。
Rime MCP是一个基于Rime API的文本转语音服务，通过系统原生音频播放器实现语音合成与播放功能。
一个基于ClickSend API的MCP服务器，提供短信发送和文本转语音电话功能，支持AI模型程序化操作通讯服务。
基于Asterisk的语音对话电话自动呼叫MCP服务器，支持实时语音转语音功能，提供完整的电话自动化解决方案。
基于MCP协议的文本转语音服务器项目，通过Groq API实现语音合成功能，支持多种音频格式输出。
Zonos MCP集成项目为Claude提供文本转语音功能，通过Model Context Protocol实现直接语音生成，支持多语言和情感语调设置。
Vapi MCP服务器项目通过Model Context Protocol协议提供与Vapi API的集成功能，支持语音助手管理、电话呼叫调度等功能，并兼容Claude Desktop客户端和远程SSE连接。
Blabber-MCP是基于OpenAI文本转语音API的MCP服务器，为LLM提供语音输出功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
