音频与语音 AI Models

ElevenLabs 语音合成模型，面向自然语音生成。

面向文件与实时输入的高精度语音转写模型。

通义千问音频理解模型，支持语音输入对话。

ElevenLabs 语音转写模型，用于语音识别。

MiniMax 高清语音合成模型。

Stability AI 开放音频生成模型，用于文本生成音频。

侧重音质的文本转语音模型。

Mistral 语音理解模型，面向音频输入任务。

通用语音识别模型，用于音频转写。