最高の音声＆スピーチ AIツール

リーディングなAI音声合成・クローンプラットフォーム。多言語対応

OpenAIのオープンソース音声認識モデル。多言語の音声テキスト変換をサポート

オープンソースTTSの雄Fish Speechチームによる音声生成プラットフォーム。10〜30秒のサンプルで声をクローンでき、S1/S2モデルは自然で表現豊かな音声を実現。商用利用と従量課金APIに対応

MiniMax傘下の音声生成プラットフォーム。Speechシリーズモデルは40以上の言語で超リアルなTTSと約10秒のサンプルによる声のクローンに対応。感情や効果音タグの制御が可能で、Web版は無料で試用できる

リアルタイム音声AIプラットフォーム。Sonic 3.5音声合成は低レイテンシで首位に立つことが多く、Ink-2文字起こしと対をなす。Mamba/SSM研究に基づき音声エージェントやAI電話向け、無料枠は月約2万クレジット

エンタープライズ級のAIナレーション＆TTSプラットフォーム。Gen2モデルが20超言語で放送品質のリアルな音声を提供し、トーン・ポーズ・強調を細かく制御可能。200超のボイス、音声クローン、多言語吹き替え、開発者APIも完備。無料トライアルあり、Creatorは年払いで月$19

AIノイズキャンセリングの事実上の標準。800超の通話アプリで双方向の背景ノイズとエコーを除去し、ボットを入室させずにAI議事録を作成。2025年の目玉であるリアルタイム訛り変換はコールセンター向け。開発者向けSDKも提供。無料枠は1日60分、Proは年払いで月約$8

ローカルで動作するオープンソースAI音声スタジオ。音声クローン、7つのTTSエンジンによる音声合成、ディクテーション、エージェント音声を1つのアプリで実現。ElevenLabsとWisprFlowの無料代替。23言語対応。

OpenBMBのトークナイザーフリーTTSシステム。拡散自己回帰アーキテクチャにより連続音声表現を直接生成。2Bパラメータモデル、30言語、音声デザイン、制御可能な音声クローン、48kHzスタジオ品質オーディオ。