Voice Engine是OpenAI开发的一款音频大模型，主要功能是从15秒的音频样本和文本输入中生成自然且接近原说话者的声音。

MusicGen是由Meta AI开发的一款音乐生成模型，旨在通过文本描述或旋律提示来创作高质量的音乐作品。

Synthesys是受欢迎和强大的AI文本转语音生成器之一，它可以让任何人通过几次点击就能制作专业的AI配音或AI视频。

Bark AI是一个开源的文本转语音（TTS）模型，由Suno公司开发。它基于转换器（Transformer）架构，能够生成高度逼真的多语言语音、音乐、背景噪音以及非语言交流声音，如笑、叹息和哭泣等。

Stable Audio是一个在线AI音乐制作工具，它利用新的音频生成模型，可以根据描述快速生成音乐素材。用户可以通过它方便地创建各种风格的音乐，并获得商业授权进行二次使用。

StreamSpeech 是一个集语音识别、语音翻译和语音合成于一体的无缝模型。它不仅支持离线任务，还能在流式环境中提供实时的语音到语音翻译，显著提升了低延迟通信的体验。