FunASR

Riffusion 是一个基于稳定扩散技术的实时音乐和音频生成库。 它通过先进的扩散管道，实现了提示插值与图像条件化的结合，能够将 spectrogram 图像与音频片段进行转换。

Wingman Studio 让达人和导游轻松制作和销售语音导览，通过 Wingman 城市指南应用，用户可以探索城市。

YuE 是香港科技大学和 Multimodal Art Projection 团队联合开发的开源 AI 音乐生成模型。能将歌词转化为完整的歌曲，支持多种音乐风格，包括流行、金属、爵士、嘻哈等

Sherpa-ncnn 是一款轻量级语音识别框架，支持离线部署，适合嵌入式设备和低算力场景。

Coqui TTS 是 Coqui-ai 团队推出的一款基于深度学习的文本转语音项目。 它以其开源性和强大功能在 TTS 领域崭露头角。

睿声 Reecho 是一款专注于 5 秒瞬时语音克隆和超拟真语音合成的创新产品。