AI音频工具

Vozart AI是一款在线 AI 音乐与歌词生成平台，支持从文本描述快速生成高质量原创音乐，集成歌词创作、音频分离、音效生成与图像转音乐等功能，操作简单、无需音乐基础，适用于短视频、播客、广告、游戏等多场景，所有作品均为免版权可商用。

Spark-TTS是SparkAudio团队开源的基于大型语言模型（LLM）的高效文本转语音（TTS）工具，无需额外的生成模型，直接从LLM预测的编码中重建音频，实现零样本文本到语音的转换。Spark-TTS支持中英双语，具备跨语言合成能力，可通过参数调整（如性别、音调、语速）生成虚拟说话者的声音，满足多样化需求。

Audio Note 是一款基于 OpenAI Whisper 模型的本地实时语音转文字工具，支持从麦克风、应用程序音频及音视频文件中提取语音并转录为文本，广泛应用于会议记录、字幕生成、直播转写等场景。

EasyVoice是一款免费开源的文本转语音工具，轻松快速的将长篇次小说、剧本文字等等批量变成真人朗读声音！它支持多角色配音、语音试听、自定义语速与音调，并接入各种 TTS 合成引擎（Microsoft Azure TTS, OpenAI, Edge-TTS）等朗读内容输出。可以用到制作生成使用不同人声音轨的有声书剧或者播客脚本等等！

DiffRhythm是一款基于扩散模型的 AI 音乐生成平台，仅需歌词与风格提示，即可在 10 秒内生成最长达 4 分 45 秒的完整歌曲，涵盖人声与伴奏。

音刻（Inkr）是一款基于 AI 的多语言音视频转录工具，支持极速转录、说话人识别与智能笔记生成，适用于会议记录、采访整理、字幕制作等场景。FLASH 模式转录速度提升 8 倍，支持100+语言，助你高效捕捉每一段语音内容。

Sesame AI是一款领先的 AI 语音合成平台，支持多语言、情感表达与自然对话，打造媲美真人的高保真语音体验。 通过深度学习与自然语言处理技术，Sesame AI 可生成具备语调、节奏与情绪的类人声音，适用于播客、有声书、虚拟助手、教育课程、客服系统等多种场景。

Zonos TTS是一个AI驱动的多语言文本转语音平台，支持语音克隆与情感调控，打造自然生动的高保真语音体验。 通过上传 10–30 秒音频即可实现个性化语音克隆，支持中文、英文、日语、法语、德语等多语言合成，具备情绪调节（如快乐、悲伤、愤怒、恐惧）与音频前缀输入功能。

AI Music Generator是一款创新型AI音乐创作平台，旨在帮助用户快速生成专业级别的原创音乐。支持 文本转音乐、歌词转音乐、风格自定义。无需音乐经验，AI 自动生成专业级音乐，支持 MP3、WAV、FLAC 高质量音频格式。

AI Song Maker是一个AI歌曲和音乐生成器，可快速为您生成高质量原创歌曲或音乐。支持任何场景的文本到歌曲、歌词到歌曲以及纯音乐生成，可订制化编辑不同音乐风格节奏、情绪和乐器等，也可对音乐执行删除人声、音轨分离、混音功能，使音乐制作过程更加灵活和高效。

AlMusicGen是一款免费在线AI音乐生成器，旨在帮助用户将创意快速转化为高品质的原创音乐。无论是通过输入歌词、文字描述，还是自定义曲风和情绪，AlMusicGen 都能在短短1 分钟内生成高达 4 分钟的完整音乐作品。

UntitledPen是一个AI驱动的语音生成平台，帮你的内容打造最自然流畅的旁白。  基于最先进的 GPT 音频生成模型，支持多语言、高质量音频，适用于视频/播客/广告/教育培训等多种情景下的配音需求。并通过智能编辑器让文本优化更加便捷，支持 Markdown 格式，输出 128kbps 及以上的标准音质，确保音质清晰动听。

​​趣丸千音（All Voice Lab）是趣丸科技推出的AI语音创作平台​。以自研的MaskGCT语音大模型为核心，提供一站式智能语音解决方案。集成文本转语音、视频翻译、声音克隆等多元能力，支持多语种多音色互换，帮助全球用户高效创作，告别语言障碍。

Music Muse是一款在线免费AI歌曲生成器，致力于帮助用户将音乐创意愿景快速转化为专业品质的曲目，无需任何音乐经验。通过 AI 驱动的技术，用户只需描述情绪、风格、节奏或歌词等音乐元素，Music Muse 即可在几秒钟内生成完整的乐曲。它支持从古典到电子等多种音乐流派，并通过自动混音和母带处理，确保输出录音室级别的音质。

ScreenApp是一款纯浏览器端的 AI 录屏与内容总结平台。不需要下载，使用网页或Chrome拓展，实时抓取屏幕、系统音、麦克风和摄像头，并在云端自动完成 转录、翻译、摘要、行动项提取与对话式检索。作为超百万用户信赖的 “第二大脑”，它通过智能转录、自动总结与深度整合，让每段录音、每场会议都成为可追溯、可利用的价值资产。

Bland AI是一款专为现代企业打造的超逼真 AI 语音呼叫解决方案，核心功能是通过 对话式人工智能（Conversational AI）​​ 模拟真人客服，自动化处理企业客户交互场景，助力企业提升客户体验、降低运营成本，适用于销售、客户支持、日程管理等多场景。

MiniMax Audio是一款 AI驱动的语音合成平台，专注于 文本转语音（TTS）&语音克隆 技术，凭借先进的Speech-02模型，它支持长文本输入和多样化的声音选项，能够 生成自然流畅、多语言、多情感的AI语音，适用于 广告、播客、有声读物、AI导师 等场景！

MusicMint是一款AI驱动的音乐创作平台，让用户轻松生成 原创歌曲、歌词，并支持 多种音乐风格，涵盖流行、摇滚、嘻哈、爵士、电子等。MusicMint 让音乐创作变得简单、有趣，帮助你轻松打造属于自己的旋律和歌词。

AI Voice Cloning是一款基于先进人工智能技术的语音克隆工具，致力于以极简流程生成高度逼真的克隆语音。通过自动提炼录入音频里面特殊的音色、语调以及所传达的情感情绪，并创造出与原录制有非常高相似度的人声

Kokoro TTS是一款先进的AI文本转语音模型，拥有8200万参数，基于StyleTTS 2架构，提供高质量、自然的语音合成。