SenseVoice，一款阿里通义实验室发布的FunAudioLLM框架多语言音频基础模型，enseVoice专注于高精度多语言语音识别、语音情感识别和音频事件检测，具有多语种、混合语言、音色和情感控制能力，在零样本语音生成、跨语言语音克隆和指令跟踪方面的能力表现优秀。

Audo Studio，使用最新的音频处理和人工智能技术，自动去除背景噪音，噪音消除、声音平衡、音量调节并增强你的语音。

Vozard 是一款人工智能变声器，它重新定义了你声音的界限。凭借其丰富逼真的音效库，无论是在线聊天、游戏、直播还是内容创作，你都可以实时变身成你喜欢的任何角色。

FUZZ是由Riffusion推出的一款全新的AI音乐生成模型，基于扩散模型（Diffusion Model）开发。该工具能够通过“想象”生成音频的声谱图（Spectrogram），然后将其转换为音频。你可以输入描述性提示（例如音乐类型、乐器、情绪等），模型就会根据提示生成对应风格的声谱图并输出音乐。

小米科技投资，由中科院博士带领的团队开发的数字人视频制作工具。该工具掌握了数字人全栈技术，能够提供高还原度的数字人形象和声音克隆服务。D-Human的数字人还原度评分高达95+，业界领先，并且支持多种合作方式，包括SaaS、API接入和OEM定制‌

Memo ai 是一款AI 驱动的视频、播客转文字工具。视频轻松转字幕翻译、浮动笔记。它使用先进的AI技术，可以将YouTube、播客等视频和音频转录成文字，并支持多语种之间的翻译，目前覆盖90多种语言。核心功能包括:视频转文字、多语言支持、文字翻译、漂浮注释、实时字幕、本地媒体支持、音频剪辑、AI摘要等，支持 Windows、macOS 桌面设备，导出目前支持字幕、Markdown。