ベスト オーディオ・音声・音楽 AIツール

Octave - 感情知能を備えたテキスト読み上げ

AI アプリ

Hume AIのOctaveは、感情知能を取り入れた表現豊かで自然な音声を生成するテキスト読み上げソリューションを提供します。ユーザーはユニークな声を作成するか、ライブラリから選択でき、さまざまなアプリケーションに最適です。

Auphonic

AI アプリ

#15

ポッドキャスト、ビデオ、オーディオブックのために音質を向上させる自動音声ポストプロダクションウェブサービスです。ノイズリダクション、インテリジェントレベリング、自動化されたワークフローなどの機能を提供し、ユーザーが広範な音声専門知識なしでプロフェッショナルな結果を簡単に達成できるようにします。Auphonicは、ポッドキャスト、ビデオ、オーディオブックのために音質を向上させる自動音声ポストプロダクションウェブサービスです。ノイズリダクション、インテリジェントレベリング、自動化されたワークフローなどの機能を提供し、ユーザーが広範な音声専門知識なしでプロフェッショナルな結果を簡単に達成できるようにします。

Clarity Vx®

AI アプリ

バックグラウンドノイズからボーカルを迅速かつ効率的にクリーンアップするために設計された強力なツールです。Wavesのニューラルネットワーク技術を利用しており、音楽制作、ポッドキャスト、ビデオプロジェクトに最適で、妥協のない高品質なオーディオを保証します。Clarity Vx®は、バックグラウンドノイズからボーカルを迅速かつ効率的にクリーンアップするために設計された強力なツールです。Wavesのニューラルネットワーク技術を利用しており、音楽制作、ポッドキャスト、ビデオプロジェクトに最適で、妥協のない高品質なオーディオを保証します。

Alitu

AI アプリ

#25

ポッドキャスト編集ソフトウェアで、ポッドキャスティングの技術的側面を簡素化します。自動音声クリーニングや簡単な公開機能を備え、クリエイターが技術的な詳細ではなくコンテンツに集中できるようにし、誰でもポッドキャスティングを利用できるようにします。Alituはポッドキャスト編集ソフトウェアで、ポッドキャスティングの技術的側面を簡素化します。自動音声クリーニングや簡単な公開機能を備え、クリエイターが技術的な詳細ではなくコンテンツに集中できるようにし、誰でもポッドキャスティングを利用できるようにします。

Adobe Audition

AI アプリ

#4

ユーザーがオーディオコンテンツをミックス、編集、作成できるプロフェッショナルなオーディオ録音および編集ソフトウェアです。高品質なオーディオ制作のためのマルチトラック、波形、スペクトル表示を含む包括的なツールセットを備えています。Adobe Auditionは、ユーザーがオーディオコンテンツをミックス、編集、作成できるプロフェッショナルなオーディオ録音および編集ソフトウェアです。高品質なオーディオ制作のためのマルチトラック、波形、スペクトル表示を含む包括的なツールセットを備えています。

SpectraLayers

AI アプリ

#19

視覚化とAI駆動のプロセスを通じてオーディオ編集を変革する高度なスペクトルオーディオエディタです。ユーザーが精度と創造性を持って音楽を修復、復元、作成できるようにし、オーディオ専門家にとって貴重なツールとなっています。SpectraLayersは、視覚化とAI駆動のプロセスを通じてオーディオ編集を変革する高度なスペクトルオーディオエディタです。ユーザーが精度と創造性を持って音楽を修復、復元、作成できるようにし、オーディオ専門家にとって貴重なツールとなっています。

ハッピーシュリンプAI音楽モデル

AI アプリ

ハッピーシュリンプは、Alibaba ATHによって開発されたAI音楽モデルで、1行のテキストを歌詞、ボーカル、アレンジを含む完全な曲に変換します。ユーザーが試すための無料AI音楽スタジオを提供しています。

Pulse Speech-to-Text API

AI アプリ

Smallest AIによる低遅延の音声認識APIで、リアルタイムおよび事前録音されたトランスクリプションを提供し、多言語サポート、スピーカーダイアリゼーション、感情検出、言語識別を備えています。世界中のアクセントや方言において高い精度と速度を保証します。Pulseは、Smallest AIによる低遅延の音声認識APIで、リアルタイムおよび事前録音されたトランスクリプションを提供し、多言語サポート、スピーカーダイアリゼーション、感情検出、言語識別を備えています。世界中のアクセントや方言において高い精度と速度を保証します。

オンラインでPDFを音声読み上げ

AI アプリ

AIを使用してPDFを自然な音声に変換する無料ツールです。スキャンされたファイルをOCRでサポートし、最新のブラウザを搭載した任意のデバイスで動作します。オンラインでPDFを音声読み上げは、AIを使用してPDFを自然な音声に変換する無料ツールです。スキャンされたファイルをOCRでサポートし、最新のブラウザを搭載した任意のデバイスで動作します。

1つの文を元にオリジナルの曲と同期したミュージックビデオを生成するAI駆動のツールです。自然なボーカル、ジャンルの柔軟性、商業利用権を提供し、独自の音楽コンテンツを簡単に制作・収益化したいクリエイターに最適です。Vozmiは、1つの文を元にオリジナルの曲と同期したミュージックビデオを生成するAI駆動のツールです。自然なボーカル、ジャンルの柔軟性、商業利用権を提供し、独自の音楽コンテンツを簡単に制作・収益化したいクリエイターに最適です。

Seed Audio 1.0

AI アプリ

テキスト、画像、または音声プロンプトから対話、表現豊かな声、雰囲気、音楽、効果音を生成するAIオーディオジェネレーターです。マルチスピーカー対話、感情制御、完全なサウンドシーンワークフローをサポートしています。Seed Audio 1.0は、テキスト、画像、または音声プロンプトから対話、表現豊かな声、雰囲気、音楽、効果音を生成するAIオーディオジェネレーターです。マルチスピーカー対話、感情制御、完全なサウンドシーンワークフローをサポートしています。

InnerBloom AI

AI アプリ

AIを使用してパーソナライズされたオーディオトラックを作成するサブリミナルオーディオメーカーです。カスタムアファメーション、超リアルな声、心地よいサウンドスケープを提供し、ユーザーが意図に集中し、マインドセットを高めるのを助けます。InnerBloom AIは、AIを使用してパーソナライズされたオーディオトラックを作成するサブリミナルオーディオメーカーです。カスタムアファメーション、超リアルな声、心地よいサウンドスケープを提供し、ユーザーが意図に集中し、マインドセットを高めるのを助けます。

Suno Music API

AI アプリ

曲の生成、歌詞の作成、音声編集を含む音楽の作成と編集のための包括的なワークフローを提供します。さまざまな音楽スタイルをサポートし、トラックの拡張、カバー、分析のためのツールを提供します。Suno Music APIは、曲の生成、歌詞の作成、音声編集を含む音楽の作成と編集のための包括的なワークフローを提供します。さまざまな音楽スタイルをサポートし、トラックの拡張、カバー、分析のためのツールを提供します。

Seply

AI アプリ

ポッドキャスト、インタビュー、会議、またはビデオからオーディオを個別のトラックに分割するAI駆動のスピーカー分離を提供します。ユーザーはオンラインでWAVファイルをプレビューおよびダウンロードでき、オーディオ編集をより効率的かつ正確に行えます。Seplyは、ポッドキャスト、インタビュー、会議、またはビデオからオーディオを個別のトラックに分割するAI駆動のスピーカー分離を提供します。ユーザーはオンラインでWAVファイルをプレビューおよびダウンロードでき、オーディオ編集をより効率的かつ正確に行えます。

Undetectr

AI アプリ

AI生成の音楽トラックを処理して検出可能なアーティファクトを除去し、DistroKid、Bandcamp、Spotifyなどの配信者による検査を通過することを保証します。サブスクリプションなしの一回限りの支払いモデルを提供し、無制限のトラック処理が可能です。Undetectrは、AI生成の音楽トラックを処理して検出可能なアーティファクトを除去し、DistroKid、Bandcamp、Spotifyなどの配信者による検査を通過することを保証します。サブスクリプションなしの一回限りの支払いモデルを提供し、無制限のトラック処理が可能です。

Acon Digital Remix

AI アプリ

#36

ボーカル、ピアノ、ベース、ドラム、その他の楽器を分離してリミックスするリアルタイムプラグインです。PCおよびMacintoshでVST、VST3、AAX、AUフォーマットをサポートし、32ビットおよび64ビット版を提供します。Acon Digital Remixは、ボーカル、ピアノ、ベース、ドラム、その他の楽器を分離してリミックスするリアルタイムプラグインです。PCおよびMacintoshでVST、VST3、AAX、AUフォーマットをサポートし、32ビットおよび64ビット版を提供します。

AirCaption

AI アプリ

#130

正確なキャプション、トランスクリプト、字幕を提供するMacおよびWindows用のAIトランスクリプションソフトウェアです。NVIDIAやWhisperなどのモデルを使用したオフライン処理をサポートし、80以上の言語での翻訳を提供します。AirCaptionは、正確なキャプション、トランスクリプト、字幕を提供するMacおよびWindows用のAIトランスクリプションソフトウェアです。NVIDIAやWhisperなどのモデルを使用したオフライン処理をサポートし、80以上の言語での翻訳を提供します。

Voskは20以上の言語をサポートするオフライン音声認識ツールキットです。Android、iOS、Raspberry Pi、サーバーで動作し、Python、Java、C#、Swift、Nodeのバインディングがあります。VoskはストリーミングAPIとスピーカー識別を提供し、さまざまなアプリケーションに対応します。

Amberscript

AI アプリ

#16

ヨーロッパ全体で信頼されている安全な文字起こしおよび字幕サービスを提供します。ISO 27001および9001の認証を受けており、GDPRに準拠し、99％以上の精度を実現しています。正確で安全、かつコンプライアンスを満たす文字起こしソリューションを必要とする企業に最適です。Amberscriptは、ヨーロッパ全体で信頼されている安全な文字起こしおよび字幕サービスを提供します。ISO 27001および9001の認証を受けており、GDPRに準拠し、99％以上の精度を実現しています。正確で安全、かつコンプライアンスを満たす文字起こしソリューションを必要とする企業に最適です。

アンドレアオーディオコマンダー

AI アプリ

LinuxおよびAndroidデバイス向けの高度な音声強化機能を提供するノイズリダクションソフトウェアです。PureAudioノイズキャンセリング、音響エコーキャンセリング、マイクブーストを提供し、会話型AIおよびVoIP通信のパフォーマンスを向上させます。アンドレアオーディオコマンダーは、LinuxおよびAndroidデバイス向けの高度な音声強化機能を提供するノイズリダクションソフトウェアです。PureAudioノイズキャンセリング、音響エコーキャンセリング、マイクブーストを提供し、会話型AIおよびVoIP通信のパフォーマンスを向上させます。

Async Developer Platform

AI アプリ

次世代の音声アプリ向けに低遅延のテキスト読み上げAPIを提供します。15の言語をサポートし、Pipecatやn8nなどのツールと統合されています。料金は1時間あたり$0.50から始まり、開発者にとってコスト効率が良いです。Async Developer Platformは、次世代の音声アプリ向けに低遅延のテキスト読み上げAPIを提供します。15の言語をサポートし、Pipecatやn8nなどのツールと統合されています。料金は1時間あたり$0.50から始まり、開発者にとってコスト効率が良いです。

BandLab Splitter

AI アプリ

ボーカルを曲から取り除き、高品質なステムを作成する無料のAI駆動ツールです。ユーザーはボーカルと楽器を分離し、キーや速度を変更し、ウェブとモバイルプラットフォームの両方でシームレスにトラックをエクスポートできます。BandLab Splitterは、ボーカルを曲から取り除き、高品質なステムを作成する無料のAI駆動ツールです。ユーザーはボーカルと楽器を分離し、キーや速度を変更し、ウェブとモバイルプラットフォームの両方でシームレスにトラックをエクスポートできます。

BandLab SongStarter

AI アプリ

音楽をインスパイアするユニークなビートとメロディを生成する無料のAI駆動ツールです。11のジャンルにわたる無制限のロイヤリティフリーの音楽アイデアを提供し、ミュージシャンが次のトラックを簡単に始める手助けをします。BandLab SongStarterは、音楽をインスパイアするユニークなビートとメロディを生成する無料のAI駆動ツールです。11のジャンルにわたる無制限のロイヤリティフリーの音楽アイデアを提供し、ミュージシャンが次のトラックを簡単に始める手助けをします。

歌詞ジェネレーター - BoredHumans

AI アプリ

BoredHumansの歌詞ジェネレーターは、AIを使用して完全な歌詞を作成します。これには、詩、コーラス、ブリッジが含まれ、あらゆるジャンル、雰囲気、アーティストスタイルをサポートし、ユーザーが曲を説明することで瞬時に歌詞を生成できます。

Waveroom

AI アプリ

ポッドキャスト、インタビュー、リモート会議のための無料のブラウザベースの録音スタジオです。各参加者のために別々の高品質の音声とビデオトラックをキャプチャし、最大2Kのビデオと48kHzのWAV音声を提供し、AIベースの背景ノイズ除去機能を備えています。ソフトウェアをインストールせずにスタジオ品質の録音が必要なポッドキャスター、リモートチー…Waveroomは、ポッドキャスト、インタビュー、リモート会議のための無料のブラウザベースの録音スタジオです。各参加者のために別々の高品質の音声とビデオトラックをキャプチャし、最大2Kのビデオと48kHzのWAV音声を提供し、AIベースの背景ノイズ除去機能を備えています。ソフトウェアをインストールせずにスタジオ品質の録音が必要なポッドキャスター、リモートチー…

Balabolka テキスト読み上げソフトウェア

AI アプリ

さまざまなファイル形式をサポートし、ユーザーがテキストを音声ファイルとして保存できる多目的なテキスト読み上げアプリケーションです。音声パラメータのカスタマイズオプションを提供し、Microsoft Speech APIと統合されています。Balabolkaは、さまざまなファイル形式をサポートし、ユーザーがテキストを音声ファイルとして保存できる多目的なテキスト読み上げアプリケーションです。音声パラメータのカスタマイズオプションを提供し、Microsoft Speech APIと統合されています。

DJ.Studio

AI アプリ

MacとWindows向けのDJ用タイムラインベースのDAWで、ユーザーがシームレスなDJミックス、マッシュアップ、ラジオショーを作成、編集、エクスポートできるようにします。ハーモニックミキシング、ステム分離、さまざまな音楽ライブラリとの統合をサポートしています。DJ.Studioは、MacとWindows向けのDJ用タイムラインベースのDAWで、ユーザーがシームレスなDJミックス、マッシュアップ、ラジオショーを作成、編集、エクスポートできるようにします。ハーモニックミキシング、ステム分離、さまざまな音楽ライブラリとの統合をサポートしています。

Chitralekha ビデオトランスクリエーションプラットフォーム

AI GitHub リポジトリ

インディック言語向けに設計されたビデオトランスクリエーションプラットフォームで、トランスクリプション、翻訳、ボイスオーバー機能を提供します。AI4Bharatによって開発され、さまざまな言語地域におけるコンテンツのアクセシビリティとローカリゼーションを促進することを目的としています。Chitralekhaは、インディック言語向けに設計されたビデオトランスクリエーションプラットフォームで、トランスクリプション、翻訳、ボイスオーバー機能を提供します。AI4Bharatによって開発され、さまざまな言語地域におけるコンテンツのアクセシビリティとローカリゼーションを促進することを目的としています。

MockingBird 音声クローンツール

AI GitHub リポジトリ

わずか5秒で音声をクローンするAI駆動のツールで、リアルタイムのスピーチ生成を可能にします。開発者や研究者に最適で、合成音声を作成するための迅速かつ効率的な方法を提供します。MockingBirdは、わずか5秒で音声をクローンするAI駆動のツールで、リアルタイムのスピーチ生成を可能にします。開発者や研究者に最適で、合成音声を作成するための迅速かつ効率的な方法を提供します。

F5-TTS: フェアリーテイラー音声合成

AI GitHub リポジトリ

フローマッチング技術を使用して流暢で忠実な音声を生成するために設計された音声合成ツールです。開発者には、高品質で自然な音声出力を作成するための公式コードが提供されます。F5-TTSは、フローマッチング技術を使用して流暢で忠実な音声を生成するために設計された音声合成ツールです。開発者には、高品質で自然な音声出力を作成するための公式コードが提供されます。

Mozilla TTS

AI GitHub リポジトリ

深層学習に基づくテキスト読み上げシステムです。テキストを自然な音声に変換するためのツールとリソースを提供し、さまざまな言語と声をサポートします。AIや音声合成の分野での開発者や研究者に最適です。Mozilla TTSは、深層学習に基づくテキスト読み上げシステムです。テキストを自然な音声に変換するためのツールとリソースを提供し、さまざまな言語と声をサポートします。AIや音声合成の分野での開発者や研究者に最適です。

Headliner - ポッドキャスト動画プロモーションツール

AI アプリ

#8

ポッドキャスト、ラジオ番組、またはブログをプロモーションするための動画を作成するツールです。ユーザーはTikTok、Instagram、YouTubeなどのプラットフォームでコンテンツを共有でき、動画クリップやオーディオグラムを通じてオーディエンスを拡大するのに役立ちます。Headlinerは、ポッドキャスト、ラジオ番組、またはブログをプロモーションするための動画を作成するツールです。ユーザーはTikTok、Instagram、YouTubeなどのプラットフォームでコンテンツを共有でき、動画クリップやオーディオグラムを通じてオーディエンスを拡大するのに役立ちます。

Hookpad Aria - AI音楽共創者

AI アプリ

ミュージシャンがコードとメロディを作成するのを支援するAI駆動のツールです。文脈に応じた音楽生成を提供し、ユーザーはジャンル、ムード、またはメトリックに基づいて提案を微調整でき、創造性を高め、作曲の壁を克服します。Hookpad Ariaは、ミュージシャンがコードとメロディを作成するのを支援するAI駆動のツールです。文脈に応じた音楽生成を提供し、ユーザーはジャンル、ムード、またはメトリックに基づいて提案を微調整でき、創造性を高め、作曲の壁を克服します。

OuteTTS-0.2-500M

AI モデル

精度の向上、自然な音声合成、そして多言語サポートを提供する高度なテキスト読み上げモデルです。Qwen-2.5-0.5Bを基盤に構築されており、音声クローン機能を強化し、50億以上の音声トークンで語彙を拡張しています。OuteTTS-0.2-500Mは、精度の向上、自然な音声合成、そして多言語サポートを提供する高度なテキスト読み上げモデルです。Qwen-2.5-0.5Bを基盤に構築されており、音声クローン機能を強化し、50億以上の音声トークンで語彙を拡張しています。

インディックパーラーTTS

AI モデル

英語やさまざまなインディック言語を含む21の言語をサポートする多言語テキスト読み上げモデルです。感情表現、アクセントの柔軟性、話者の多様性などの機能を備えたカスタマイズ可能な音声合成を提供します。インディックパーラーTTSは、英語やさまざまなインディック言語を含む21の言語をサポートする多言語テキスト読み上げモデルです。感情表現、アクセントの柔軟性、話者の多様性などの機能を備えたカスタマイズ可能な音声合成を提供します。

Dia-1.6B AIモデル

AI モデル

Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。Dia-1.6Bは、Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。

InqScribe AIトランスクリプションツール

AI アプリ

#89

コンピュータ上で直接オーディオおよびビデオファイルのAI駆動のトランスクリプションを提供し、プライバシーを確保します。メディアに精通したテキストエディタを備え、柔軟なノート取り、タイムスタンプ付きコメント、フットペダルによるハンズフリー操作が可能です。InqScribeは、コンピュータ上で直接オーディオおよびビデオファイルのAI駆動のトランスクリプションを提供し、プライバシーを確保します。メディアに精通したテキストエディタを備え、柔軟なノート取り、タイムスタンプ付きコメント、フットペダルによるハンズフリー操作が可能です。

Envato VoiceGen AIボイスオーバー生成ツール

AI アプリ

#4

25言語でスタジオ品質のAIボイスオーバーを提供します。ユーザーは、さまざまなプロジェクトに最適な自然な音声を迅速かつ簡単に作成できます。サブスクリプションにより、無制限のクリエイティブアセットにもアクセスできます。Envato VoiceGenは、25言語でスタジオ品質のAIボイスオーバーを提供します。ユーザーは、さまざまなプロジェクトに最適な自然な音声を迅速かつ簡単に作成できます。サブスクリプションにより、無制限のクリエイティブアセットにもアクセスできます。

Krotos Studio

AI アプリ

#18

ユーザーがロイヤリティフリーのサウンドエフェクトを作成およびカスタマイズできるサウンドデザインソフトウェアです。人気のあるビデオおよびオーディオ編集ソフトウェアと統合され、リアルタイムのSFXパフォーマンスと視覚コンテンツとの同期を可能にします。Krotos Studioは、ユーザーがロイヤリティフリーのサウンドエフェクトを作成およびカスタマイズできるサウンドデザインソフトウェアです。人気のあるビデオおよびオーディオ編集ソフトウェアと統合され、リアルタイムのSFXパフォーマンスと視覚コンテンツとの同期を可能にします。

Lemonfox.ai スピーチ・トゥ・テキスト API

AI アプリ

音声ファイルを数秒で文字起こしする手頃な価格のスピーチ・トゥ・テキスト APIを提供しています。100以上の言語をサポートし、話者認識機能を備えており、高い精度とEUベースの処理オプションによるプライバシーを確保しています。Lemonfox.aiは、音声ファイルを数秒で文字起こしする手頃な価格のスピーチ・トゥ・テキスト APIを提供しています。100以上の言語をサポートし、話者認識機能を備えており、高い精度とEUベースの処理オプションによるプライバシーを確保しています。

Listen Notes ポッドキャスト検索エンジン

AI アプリ

ユーザーがショーノートや音声トランスクリプトを検索することでポッドキャストを発見し、キュレーションできる包括的なポッドキャスト検索エンジンです。ポッドキャストの研究やさまざまなプラットフォームとの統合のための強力なツールを提供します。Listen Notesは、ユーザーがショーノートや音声トランスクリプトを検索することでポッドキャストを発見し、キュレーションできる包括的なポッドキャスト検索エンジンです。ポッドキャストの研究やさまざまなプラットフォームとの統合のための強力なツールを提供します。

ユーザーが提供したキーワードやフレーズに基づいて歌詞を生成するAIツールです。ミュージシャンや作詞家のために創造的なプロセスを簡素化します。キーワードから歌詞へは、ユーザーが提供したキーワードやフレーズに基づいて歌詞を生成するAIツールです。ミュージシャンや作詞家のために創造的なプロセスを簡素化します。

MixingGPT AI Mixing Assistant

AI アプリ

音楽プロデューサーやエンジニアのために設計されたAIミキシングアシスタントプラグインです。Logic Pro、Ableton Live、FL Studioなどの人気DAW内でリアルタイムのミキシングガイダンス、オーディオ分析、ボーカルチェーンの推奨を提供します。MixingGPTは音楽プロデューサーやエンジニアのために設計されたAIミキシングアシスタントプラグインです。Logic Pro、Ableton Live、FL Studioなどの人気DAW内でリアルタイムのミキシングガイダンス、オーディオ分析、ボーカルチェーンの推奨を提供します。

オーディオファイルからノイズを除去するためのオンラインプラットフォームです。高度なオーディオ信号処理アルゴリズムを使用して音質を向上させ、さまざまなノイズ除去技術をテストおよび比較するのに最適です。AudioDenoiseは、オーディオファイルからノイズを除去するためのオンラインプラットフォームです。高度なオーディオ信号処理アルゴリズムを使用して音質を向上させ、さまざまなノイズ除去技術をテストおよび比較するのに最適です。

ブラウザ用に構築されたAI駆動のデジタルオーディオワークステーションです。AIバンドメイトとのリアルタイムコラボレーションを提供し、ミュージシャンが創造性とワークフローを向上させることを可能にします。Jam AlongやCowriterなどの機能を備えたJamBotは、音楽制作をインタラクティブな体験に変えます。JamBotは、ブラウザ用に構築されたAI駆動のデジタルオーディオワークステーションです。AIバンドメイトとのリアルタイムコラボレーションを提供し、ミュージシャンが創造性とワークフローを向上させることを可能にします。Jam AlongやCowriterなどの機能を備えたJamBotは、音楽制作をインタラクティブな体験に変えます。

NuanceとMicrosoftのWindows用デスクトップ音声認識ソフトウェアで、専門家が音声で文書を99%の精度で作成できます。Nuanceのディープラーニング音声エンジンに基づいており、カスタム音声コマンド、バッチ音声転写、金融、教育、健康および人間サービスのチーム向けのボリュームライセンスをサポートしていま…Dragon Professionalは、NuanceとMicrosoftのWindows用デスクトップ音声認識ソフトウェアで、専門家が音声で文書を99%の精度で作成できます。Nuanceのディープラーニング音声エンジンに基づいており、カスタム音声コマンド、バッチ音声転写、金融、教育、健康および人間サービスのチーム向けのボリュームライセンスをサポートしていま…

WavePadオーディオエディタ

AI アプリ

WindowsおよびMac用の包括的なオーディオ編集ソフトウェアです。ユーザーは、ノイズリダクション、スペクトル分析、50以上のオーディオフォーマットのサポートなどの機能を使用して、オーディオファイルを録音、編集、強化できます。プロフェッショナルと家庭ユーザーの両方に最適です。WavePadは、WindowsおよびMac用の包括的なオーディオ編集ソフトウェアです。ユーザーは、ノイズリダクション、スペクトル分析、50以上のオーディオフォーマットのサポートなどの機能を使用して、オーディオファイルを録音、編集、強化できます。プロフェッショナルと家庭ユーザーの両方に最適です。

NUO-STEMS 4 - Traktor Pro 4 コンバータ

AI アプリ

Traktor Pro 4でネイティブにリンクされたSTEMSを作成するためのツールです。高度なAIアルゴリズムを使用して優れた品質を提供し、WindowsおよびmacOSプラットフォームの両方をサポートします。NUO-STEMS 4は、Traktor Pro 4でネイティブにリンクされたSTEMSを作成するためのツールです。高度なAIアルゴリズムを使用して優れた品質を提供し、WindowsおよびmacOSプラットフォームの両方をサポートします。

Spleeter Online

AI アプリ

Spleeter for Maxは、音楽トラックのボーカルと楽器を分離するために設計されたAI駆動のツールです。Deezerによって開発され、ミュージシャンやプロデューサーが曲を簡単にリミックスし、分析する能力を提供します。

Panopreter テキスト読み上げソフトウェア

AI アプリ

テキストを音声で読み上げ、mp3、wavなどのさまざまなオーディオ形式に変換する多機能なテキスト読み上げソフトウェアです。複数の言語と音声をサポートし、効率的なデジタルコンテンツ処理のためのユーザーフレンドリーなインターフェースを提供します。Panopreterは、テキストを音声で読み上げ、mp3、wavなどのさまざまなオーディオ形式に変換する多機能なテキスト読み上げソフトウェアです。複数の言語と音声をサポートし、効率的なデジタルコンテンツ処理のためのユーザーフレンドリーなインターフェースを提供します。

PodMatch: ポッドキャストインタビューのマッチング

AI アプリ

#20

ポッドキャストのホストとゲストをインタビューのために結びつけるプラットフォームで、管理業務を自動化します。AIを活用して理想的なホストとゲストをマッチングし、ユーザーが影響力のあるインタビューの録音に集中できるようにします。PodMatchは、ポッドキャストのホストとゲストをインタビューのために結びつけるプラットフォームで、管理業務を自動化します。AIを活用して理想的なホストとゲストをマッチングし、ユーザーが影響力のあるインタビューの録音に集中できるようにします。

Podigee AIコンテンツサポート

AI アプリ

AIを活用したコンテンツサポートを提供し、ポッドキャストエピソードを複数のコンテンツに変換します。トランスクリプション、ブログドラフト、ソーシャルメディア資産を提供し、マーケティングチームが追加のスタッフなしで単一の録音から包括的なキャンペーンを作成できるようにします。PodigeeはAIを活用したコンテンツサポートを提供し、ポッドキャストエピソードを複数のコンテンツに変換します。トランスクリプション、ブログドラフト、ソーシャルメディア資産を提供し、マーケティングチームが追加のスタッフなしで単一の録音から包括的なキャンペーンを作成できるようにします。

Rekordbox DJソフトウェア

AI アプリ

AI、クラウド、オートメーション技術を活用したシームレスなDJワークフローを提供するDJソフトウェアです。複数の音楽ストリーミングサービスをサポートし、広告のない無料プランを提供することで、DJが音楽管理とパフォーマンスに集中できるようにします。Rekordboxは、AI、クラウド、オートメーション技術を活用したシームレスなDJワークフローを提供するDJソフトウェアです。複数の音楽ストリーミングサービスをサポートし、広告のない無料プランを提供することで、DJが音楽管理とパフォーマンスに集中できるようにします。

Restream AIトランスクリプションツール

AI アプリ

音声ファイルを迅速かつ正確にテキストに変換するブラウザベースのAIトランスクリプションツールを提供しています。36以上の言語をサポートし、ファイルのプライバシーとセキュリティを確保します。Restreamは、音声ファイルを迅速かつ正確にテキストに変換するブラウザベースのAIトランスクリプションツールを提供しています。36以上の言語をサポートし、ファイルのプライバシーとセキュリティを確保します。

Rys Up Audio 無料ステムセパレーター

AI アプリ

ユーザーがボーカル、ドラム、ベース、ピアノ、その他の楽器を含む5つのステムに曲を分割できるツールです。サインアップを必要とせず、高品質なエクスポートを提供し、モバイルでの使用が可能です。Rys Up Audio 無料ステムセパレーターは、ユーザーがボーカル、ドラム、ベース、ピアノ、その他の楽器を含む5つのステムに曲を分割できるツールです。サインアップを必要とせず、高品質なエクスポートを提供し、モバイルでの使用が可能です。

ビデオをスピーカーラベルとタイムスタンプ付きの構造化ノートに変換する無料のAI駆動ツールを提供します。YouTube、MP4、その他のフォーマットをサポートし、ダウンロードなしでブラウザ内で直接動作します。ScreenAppは、ビデオをスピーカーラベルとタイムスタンプ付きの構造化ノートに変換する無料のAI駆動ツールを提供します。YouTube、MP4、その他のフォーマットをサポートし、ダウンロードなしでブラウザ内で直接動作します。

Scribie トランスクリプションサービス

AI アプリ

#19

99%の精度を持つ正確で人間による確認済みのトランスクリプションサービスを提供します。1分あたり$0.50から始まり、音声および動画コンテンツを迅速かつ安全にテキストに変換し、法務、マーケティング、ポッドキャストのニーズに対応します。Scribieは99%の精度を持つ正確で人間による確認済みのトランスクリプションサービスを提供します。1分あたり$0.50から始まり、音声および動画コンテンツを迅速かつ安全にテキストに変換し、法務、マーケティング、ポッドキャストのニーズに対応します。

Sesh.fm

AI アプリ

#48

ビートメーカー向けに設計されたマルチプレイヤーDAWで、リアルタイムのコラボレーションを可能にします。AI駆動のステム分離機能を提供し、ユーザーはブラウザ上で曲を個々のオーディオコンポーネントに分割できます。Sesh.fmはビートメーカー向けに設計されたマルチプレイヤーDAWで、リアルタイムのコラボレーションを可能にします。AI駆動のステム分離機能を提供し、ユーザーはブラウザ上で曲を個々のオーディオコンポーネントに分割できます。

Soundation

AI アプリ

#26

ユーザーがブラウザ上で直接音楽を作成、コラボレーション、編集できるオンライン音楽スタジオです。20,000以上のループやサンプル、仮想楽器、エフェクトを提供し、音楽制作を手軽で直感的にします。Soundationは、ユーザーがブラウザ上で直接音楽を作成、コラボレーション、編集できるオンライン音楽スタジオです。20,000以上のループやサンプル、仮想楽器、エフェクトを提供し、音楽制作を手軽で直感的にします。

ソニックチャージ シンプラント 2

AI アプリ

#14

サウンドデザインの創造性を高めるために設計された遺伝的シンセサイザープラグインです。オーディオサンプルを分析することでパッチを作成する機械学習アルゴリズムであるジェノパッチを搭載し、音楽制作に独自のアプローチを提供します。ソニックチャージ シンプラント 2は、サウンドデザインの創造性を高めるために設計された遺伝的シンセサイザープラグインです。オーディオサンプルを分析することでパッチを作成する機械学習アルゴリズムであるジェノパッチを搭載し、音楽制作に独自のアプローチを提供します。

Speech Central: テキスト読み上げリーダー

AI アプリ

#52

書籍、PDF、ウェブページを読み上げる多機能なテキスト読み上げアプリです。データ収集を行わず、アクセシビリティと学習に焦点を当てた一回限りの購入モデルで、迅速かつプライベートな音声変換を提供します。Speech Centralは、書籍、PDF、ウェブページを読み上げる多機能なテキスト読み上げアプリです。データ収集を行わず、アクセシビリティと学習に焦点を当てた一回限りの購入モデルで、迅速かつプライベートな音声変換を提供します。

Sononym - 検索可能なサウンド

AI アプリ

#81

機械学習を使用して音の関係に基づいてサウンドを整理し、探索するサンプルブラウザです。Windows、MacOS、Linuxに対応しており、オーディオサンプル管理を向上させるための類似検索や重複検出などの機能を提供します。Sononymは、機械学習を使用して音の関係に基づいてサウンドを整理し、探索するサンプルブラウザです。Windows、MacOS、Linuxに対応しており、オーディオサンプル管理を向上させるための類似検索や重複検出などの機能を提供します。

Speechelo

AI アプリ

#20

テキストを人間のような音声に変換する高度なテキスト読み上げソフトウェアです。23の言語で30以上の音声を提供しており、動画、プレゼンテーションなどの魅力的なオーディオを作成するのに最適です。Speecheloは、テキストを人間のような音声に変換する高度なテキスト読み上げソフトウェアです。23の言語で30以上の音声を提供しており、動画、プレゼンテーションなどの魅力的なオーディオを作成するのに最適です。

Speechnotes

AI アプリ

#21

ユーザーがリアルタイムでメモを口述したり、録音を自動的に文字起こしすることを可能にするオンライン音声からテキストへのツールです。音声コマンド、自動大文字化、簡単なインポート/エクスポートオプションなどの機能を提供し、文字起こしニーズに対して信頼性が高く効率的な選択肢となっています。Speechnotesは、ユーザーがリアルタイムでメモを口述したり、録音を自動的に文字起こしすることを可能にするオンライン音声からテキストへのツールです。音声コマンド、自動大文字化、簡単なインポート/エクスポートオプションなどの機能を提供し、文字起こしニーズに対して信頼性が高く効率的な選択肢となっています。

SquadCastリモート録音スタジオ

AI アプリ

#13

クリエイターが高品質の音声および映像コンテンツを制作できるクラウドベースの録音スタジオです。プログレッシブアップロード、クラウドバックアップ、編集ソフトウェアとのシームレスな統合などの機能を提供し、自動保存され、簡単にアクセスできるプレミアム録音を実現します。SquadCastは、クリエイターが高品質の音声および映像コンテンツを制作できるクラウドベースの録音スタジオです。プログレッシブアップロード、クラウドバックアップ、編集ソフトウェアとのシームレスな統合などの機能を提供し、自動保存され、簡単にアクセスできるプレミアム録音を実現します。

TranscribeMe

AI アプリ

#10

高速で手頃な価格、そして非常に正確な人間の文字起こしサービスを提供します。自動音声認識と人間の文字起こし者のハイブリッドを利用し、複数の言語での文字起こしを行い、さまざまな業界において高い精度とセキュリティを確保しています。TranscribeMeは、高速で手頃な価格、そして非常に正確な人間の文字起こしサービスを提供します。自動音声認識と人間の文字起こし者のハイブリッドを利用し、複数の言語での文字起こしを行い、さまざまな業界において高い精度とセキュリティを確保しています。

ヤマハ株式会社が開発した歌唱合成ソフトウェアです。ユーザーはメロディと歌詞を入力することで音楽を作成でき、仮想の歌手がそれを歌います。このソフトウェアは、音楽制作のためのさまざまな音声ライブラリと編集ツールを提供します。ボカロイドは、ヤマハ株式会社が開発した歌唱合成ソフトウェアです。ユーザーはメロディと歌詞を入力することで音楽を作成でき、仮想の歌手がそれを歌います。このソフトウェアは、音楽制作のためのさまざまな音声ライブラリと編集ツールを提供します。

Voice Dream Reader

AI アプリ

ボイスドリームリーダーは、PDF、ウェブページ、書籍を聴くことができるテキスト読み上げアプリです。さまざまなファイル形式をサポートし、音声のカスタマイズやオフラインリスニングなどの機能を提供します。障害のある方や聴覚的学習を好む方に最適です。

Amper Music

AI アプリ

クリエイターがオリジナル音楽を生成し、カスタマイズできるAI駆動のプラットフォームです。100万以上のサンプルからなる独自のライブラリを活用し、動画、ゲーム、その他のメディア向けに高品質な作曲を提供します。Amper Musicは、クリエイターがオリジナル音楽を生成し、カスタマイズできるAI駆動のプラットフォームです。100万以上のサンプルからなる独自のライブラリを活用し、動画、ゲーム、その他のメディア向けに高品質な作曲を提供します。

Zencastr ポッドキャスティングプラットフォーム

AI アプリ

#7

ユーザーが高品質の音声とビデオを録音し、チャットベースのインターフェースを通じてコンテンツを編集し、主要なプラットフォームに公開できる包括的なポッドキャスティングプラットフォームを提供します。無制限のホスティングとマネタイズの機会を提供し、すべてのレベルのポッドキャスターに最適な選択肢となっています。Zencastrは、ユーザーが高品質の音声とビデオを録音し、チャットベースのインターフェースを通じてコンテンツを編集し、主要なプラットフォームに公開できる包括的なポッドキャスティングプラットフォームを提供します。無制限のホスティングとマネタイズの機会を提供し、すべてのレベルのポッドキャスターに最適な選択肢となっています。

ユーザーが混合信号内のリバーブ成分を減衰またはブーストできるリアルタイムオーディオプラグインです。オーディオの明瞭さと焦点を高め、ロケーションオーディオやダイアログの修正、クリエイティブなサウンドデザインに最適です。Zynaptiq UNVEILは、ユーザーが混合信号内のリバーブ成分を減衰またはブーストできるリアルタイムオーディオプラグインです。オーディオの明瞭さと焦点を高め、ロケーションオーディオやダイアログの修正、クリエイティブなサウンドデザインに最適です。

Google Cloud Speech-to-Text

AI プラットフォーム

125以上の言語で正確な音声入力と文字起こしを提供します。高度なAIによって支えられ、リアルタイムおよびバッチ処理機能を備えており、音声認識をアプリケーションに統合するのに最適です。Google Cloud Speech-to-Textは、125以上の言語で正確な音声入力と文字起こしを提供します。高度なAIによって支えられ、リアルタイムおよびバッチ処理機能を備えており、音声認識をアプリケーションに統合するのに最適です。

iZotope Neutron 5

AI アプリ

#6

11の強力なプラグインを備えた包括的なオーディオミキシングスイートです。AI駆動の技術を使用して、初心者とプロフェッショナルの両方が明確さと精度を持ってサウンドを形作り、洗練させるのを支援します。iZotope Neutron 5は、11の強力なプラグインを備えた包括的なオーディオミキシングスイートです。AI駆動の技術を使用して、初心者とプロフェッショナルの両方が明確さと精度を持ってサウンドを形作り、洗練させるのを支援します。

Amazon Transcribe – スピーチからテキストへ

AI プラットフォーム

開発者がアプリケーションにスピーチからテキストへの機能を追加できる自動音声認識サービスです。リアルタイムおよび録音されたスピーチの変換を提供し、100以上の言語をサポートし、自動句読点、カスタム語彙、スピーカーダイアリゼーションなどの機能を提供します。Amazon Transcribeは、開発者がアプリケーションにスピーチからテキストへの機能を追加できる自動音声認識サービスです。リアルタイムおよび録音されたスピーチの変換を提供し、100以上の言語をサポートし、自動句読点、カスタム語彙、スピーカーダイアリゼーションなどの機能を提供します。

AudioDirector - オーディオ編集ソフトウェア

AI アプリ

#8

マルチトラッキング、ミキシング、編集、音声復元のためのAIツールを備えた受賞歴のあるオーディオ編集ソフトウェアで、クリエイティブなプロフェッショナルにとって迅速かつ直感的です。AudioDirectorは、マルチトラッキング、ミキシング、編集、音声復元のためのAIツールを備えた受賞歴のあるオーディオ編集ソフトウェアで、クリエイティブなプロフェッショナルにとって迅速かつ直感的です。

ElevenLabs ボイスアイソレーター

AI アプリ

#1

背景ノイズを除去し、ボーカルを分離し、音声や動画から音楽を排除する無料のAIツールです。ポッドキャスト、映画、リミックスに最適で、プロフェッショナルなポストプロダクションのために音声の明瞭さを向上させます。ElevenLabs ボイスアイソレーターは、背景ノイズを除去し、ボーカルを分離し、音声や動画から音楽を排除する無料のAIツールです。ポッドキャスト、映画、リミックスに最適で、プロフェッショナルなポストプロダクションのために音声の明瞭さを向上させます。

iZotope Ozone 12 Advanced

AI アプリ

#4

20のプロフェッショナルモジュールを提供する包括的なマスタリングスイートです。高忠実度でリリース準備が整ったマスターを実現するためのStem EQやUnlimiterなどの高度な機能を提供し、音声プロジェクトにおける精度を求めるプロのエンジニアやプロデューサーに最適です。iZotope Ozone 12 Advancedは、20のプロフェッショナルモジュールを提供する包括的なマスタリングスイートです。高忠実度でリリース準備が整ったマスターを実現するためのStem EQやUnlimiterなどの高度な機能を提供し、音声プロジェクトにおける精度を求めるプロのエンジニアやプロデューサーに最適です。

LANDR Layers - AI楽器ステムジェネレーター

AI アプリ

ドラム、ベース、テクスチャを含むプロフェッショナルなサウンドの楽器ステムを生成するAI駆動のツールです。トラックを分析して、音楽を補完するユニークでロイヤリティフリーのレイヤーを作成し、創造的なコントロールと倫理的なAIモデルを提供します。LANDR Layersは、ドラム、ベース、テクスチャを含むプロフェッショナルなサウンドの楽器ステムを生成するAI駆動のツールです。トラックを分析して、音楽を補完するユニークでロイヤリティフリーのレイヤーを作成し、創造的なコントロールと倫理的なAIモデルを提供します。

LANDR ReHance - AIノイズリダクションプラグイン

AI アプリ

#8

背景ノイズ、リバーブ、楽器の bleed を音声トラックから除去するAI駆動のプラグインです。DAWとシームレスに統合され、コンテキストを考慮した音声復元とマルチアーティファクトクリーンアップを通じてスタジオ品質の結果を提供します。LANDR ReHanceは、背景ノイズ、リバーブ、楽器の bleed を音声トラックから除去するAI駆動のプラグインです。DAWとシームレスに統合され、コンテキストを考慮した音声復元とマルチアーティファクトクリーンアップを通じてスタジオ品質の結果を提供します。

選択したターゲットソースに焦点を当てるためにインテリジェントなソース検出を使用するコンテンツ認識オーディオゲートプラグインです。複雑なオーディオ環境でも迅速かつ信頼性の高い結果を提供し、ゲーティングプロセスを簡素化します。sonible smart:gateは、選択したターゲットソースに焦点を当てるためにインテリジェントなソース検出を使用するコンテンツ認識オーディオゲートプラグインです。複雑なオーディオ環境でも迅速かつ信頼性の高い結果を提供し、ゲーティングプロセスを簡素化します。

クリエイター向けに設計された7つのAI駆動のオーディオプラグインのコレクションです。使いやすさ、高品質な信号処理、優れた音質を提供し、オーディオトラックを効率的に強化するのに最適です。sonible pure:bundleは、クリエイター向けに設計された7つのAI駆動のオーディオプラグインのコレクションです。使いやすさ、高品質な信号処理、優れた音質を提供し、オーディオトラックを効率的に強化するのに最適です。

iSpeech テキスト読み上げソリューション

AI アプリ

30以上の言語で自然な音声合成と音声認識を可能にする強力なテキスト読み上げAPIと音声認識SDKを提供しています。アプリケーションに音声機能を追加したい開発者や企業に最適です。iSpeechは、30以上の言語で自然な音声合成と音声認識を可能にする強力なテキスト読み上げAPIと音声認識SDKを提供しています。アプリケーションに音声機能を追加したい開発者や企業に最適です。

エージェントSTT：AI音声エージェント用音声認識API

AI アプリ

エージェントSTTは、AI音声エージェント向けに設計された音声認識APIで、350msのレイテンシ、話者ダイアライゼーション、55以上の言語をサポートしています。料金は1時間あたり$0.30からで、ボリュームディスカウントも利用可能です。このAPIはリアルタイムおよびバッチ転写に適しており、高い精度と柔軟性を開発者に提供します。

Gemini 3.8 Flash TTS と Flash-Lite TTS

AI モデル

Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。

OP-XYエージェント

AI アプリ

ユーザーがOP-XY楽器を学び、演奏し、プログラムすることを可能にするツールです。楽器のレプリカと、そのマニュアルを理解するエージェントを備えており、包括的な学習体験を提供します。OP-XYエージェントは、ユーザーがOP-XY楽器を学び、演奏し、プログラムすることを可能にするツールです。楽器のレプリカと、そのマニュアルを理解するエージェントを備えており、包括的な学習体験を提供します。

ChatTTS

AI GitHub リポジトリ

日常の対話のために設計された生成音声モデルです。ユーザーはGitHubでその開発に貢献でき、機能の改善や更新を促進します。ChatTTSは、日常の対話のために設計された生成音声モデルです。ユーザーはGitHubでその開発に貢献でき、機能の改善や更新を促進します。

VoxCPM2

AI GitHub リポジトリ

多言語音声生成、創造的な声デザイン、リアルな声のクローンを目的としたトークナイザー不要のテキスト音声合成モデルです。OpenBMBによって開発され、高品質な音声合成を提供し、生成された音声の自然さと表現力を向上させます。VoxCPM2は、多言語音声生成、創造的な声デザイン、リアルな声のクローンを目的としたトークナイザー不要のテキスト音声合成モデルです。OpenBMBによって開発され、高品質な音声合成を提供し、生成された音声の自然さと表現力を向上させます。

OpenVoice

AI GitHub リポジトリ

MITとMyShellによって開発された音声基盤モデルで、瞬時の声のクローン作成を目的としています。人間の声を再現する高度な機能を提供し、音声処理やAI研究のさまざまなアプリケーションにとって貴重なツールです。OpenVoiceは、MITとMyShellによって開発された音声基盤モデルで、瞬時の声のクローン作成を目的としています。人間の声を再現する高度な機能を提供し、音声処理やAI研究のさまざまなアプリケーションにとって貴重なツールです。

Faster Whisper

AI GitHub リポジトリ

CTranslate2を使用して転写速度を向上させるオープンソースプロジェクトです。開発者が貢献し、転写プロセスを改善することを可能にし、より迅速かつ効率的にします。Faster Whisperは、CTranslate2を使用して転写速度を向上させるオープンソースプロジェクトです。開発者が貢献し、転写プロセスを改善することを可能にし、より迅速かつ効率的にします。

Index-TTS

AI GitHub リポジトリ

産業レベルで制御可能かつ効率的なゼロショット音声合成システムです。高品質な音声合成を必要とするさまざまな業界向けのテキスト入力から人間のような音声を生成するための高度な機能を提供します。Index-TTSは、産業レベルで制御可能かつ効率的なゼロショット音声合成システムです。高品質な音声合成を必要とするさまざまな業界向けのテキスト入力から人間のような音声を生成するための高度な機能を提供します。

CosyVoice

AI GitHub リポジトリ

包括的な音声合成のために設計された多言語の大規模音声生成モデルです。推論、トレーニング、デプロイメントのためのフルスタック機能を提供し、音声技術の分野での開発者や研究者に適しています。CosyVoiceは、包括的な音声合成のために設計された多言語の大規模音声生成モデルです。推論、トレーニング、デプロイメントのためのフルスタック機能を提供し、音声技術の分野での開発者や研究者に適しています。

Vosk Speech Recognition Toolkit

AI GitHub リポジトリ

Vosk APIは、Android、iOS、Raspberry Pi、およびサーバー向けに設計されたオフライン音声認識APIです。Python、Java、C#、Node.jsなど複数のプログラミング言語をサポートしており、開発者はインターネット接続に依存せずにアプリケーションに音声認識機能を統合できます。

SpeechBrain

AI GitHub リポジトリ

PyTorchに基づいた音声処理タスクのためのオープンソースツールキットです。音声認識、話者認証、言語識別など、さまざまなアプリケーションをサポートし、研究者や開発者に柔軟で拡張可能なプラットフォームを提供します。SpeechBrainは、PyTorchに基づいた音声処理タスクのためのオープンソースツールキットです。音声認識、話者認証、言語識別など、さまざまなアプリケーションをサポートし、研究者や開発者に柔軟で拡張可能なプラットフォームを提供します。

WhisperLiveKit

AI GitHub リポジトリ

ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。WhisperLiveKitは、ストリーミングASR、スピーカーダイアリゼーション、翻訳機能を提供するリアルタイムのローカル音声認識ツールです。OpenAIおよびDeepgram互換のAPIをサポートしており、堅牢な音声処理ソリューションを求める開発者にとって多用途です。

Amphion

AI GitHub リポジトリ

音声、音楽、スピーチ生成のために設計されたツールキットです。再現可能な研究を支援し、音声、音楽、スピーチ生成の開発分野における若手研究者やエンジニアを支援することを目的としています。Amphionは、音声、音楽、スピーチ生成のために設計されたツールキットです。再現可能な研究を支援し、音声、音楽、スピーチ生成の開発分野における若手研究者やエンジニアを支援することを目的としています。

SenseVoice

AI GitHub リポジトリ

SenseVoiceSmallは、自動音声認識（ASR）、言語識別、感情認識、音声イベント検出のために設計されたオープンソースモデルであり、普通話、広東語、英語、日本語、韓国語に対応しています。これは、多言語音声処理のための包括的なソリューションを提供します。

SpeechRecognition

AI GitHub リポジトリ

speech_recognitionは、オンラインおよびオフラインの両方で複数のエンジンとAPIをサポートすることで、音声認識を容易にするPythonモジュールです。使いやすく、Pythonアプリケーションに統合できるように設計されており、開発者に音声処理タスクのための柔軟なツールを提供します。

Bert-VITS2

AI GitHub リポジトリ

マルチリンガルBERTと統合されたvits2バックボーンを特徴とするGitHubリポジトリです。これは、先進的なマルチリンガルAIモデルに貢献したり利用したりすることに興味のある開発者向けに設計されています。Bert-VITS2は、マルチリンガルBERTと統合されたvits2バックボーンを特徴とするGitHubリポジトリです。これは、先進的なマルチリンガルAIモデルに貢献したり利用したりすることに興味のある開発者向けに設計されています。

MLX-Audio

AI GitHub リポジトリ

テキストから音声、音声からテキスト、音声から音声への機能を提供するライブラリです。AppleのMLXフレームワークに基づいて構築されており、Apple Siliconデバイス向けに最適化された効率的な音声分析を提供します。mlx-audioは、テキストから音声、音声からテキスト、音声から音声への機能を提供するライブラリです。AppleのMLXフレームワークに基づいて構築されており、Apple Siliconデバイス向けに最適化された効率的な音声分析を提供します。

argmax-oss-swift

AI GitHub リポジトリ

Apple Siliconデバイス向けに特化したオンデバイス音声AI機能を提供するオープンソースプロジェクトです。これにより、開発者はアプリケーションに音声認識機能を直接統合し、クラウドサービスに依存せずにユーザーインタラクションを向上させることができます。argmax-oss-swiftは、Apple Siliconデバイス向けに特化したオンデバイス音声AI機能を提供するオープンソースプロジェクトです。これにより、開発者はアプリケーションに音声認識機能を直接統合し、クラウドサービスに依存せずにユーザーインタラクションを向上させることができます。

StyleTTS 2

AI GitHub リポジトリ

人間レベルの音声合成を実現することを目指したテキスト読み上げプロジェクトです。スタイル拡散と敵対的トレーニングを大規模音声言語モデルと組み合わせて、生成された音声の品質と自然さを向上させます。StyleTTS 2は、人間レベルの音声合成を実現することを目指したテキスト読み上げプロジェクトです。スタイル拡散と敵対的トレーニングを大規模音声言語モデルと組み合わせて、生成された音声の品質と自然さを向上させます。

Silero Models

AI GitHub リポジトリ

テキストを音声に変換するプロセスを簡素化するために設計された事前トレーニング済みのテキスト音声合成モデルを提供します。これらのモデルは使いやすさを重視しており、開発者がアプリケーションに統合できるようGitHubで入手可能です。Silero Modelsは、テキストを音声に変換するプロセスを簡素化するために設計された事前トレーニング済みのテキスト音声合成モデルを提供します。これらのモデルは使いやすさを重視しており、開発者がアプリケーションに統合できるようGitHubで入手可能です。

Whisper Diarization

AI GitHub リポジトリ

OpenAI Whisperを使用して自動音声認識とスピーカーダイアリゼーションを組み合わせたGitHubプロジェクトです。これにより、ユーザーは音声を文字起こしし、録音内の異なる話者を特定することができ、会議やインタビューなどに役立ちます。Whisper Diarizationは、OpenAI Whisperを使用して自動音声認識とスピーカーダイアリゼーションを組み合わせたGitHubプロジェクトです。これにより、ユーザーは音声を文字起こしし、録音内の異なる話者を特定することができ、会議やインタビューなどに役立ちます。

MiniMax Music 3

AI モデル

最大5分間の完全な曲を生成する高性能な音楽生成モデルです。高度なAI技術を使用して、一貫した音楽構造と表現力豊かなボーカル、進化するアレンジを生み出します。MiniMax Music 3は、最大5分間の完全な曲を生成する高性能な音楽生成モデルです。高度なAI技術を使用して、一貫した音楽構造と表現力豊かなボーカル、進化するアレンジを生み出します。

Audio8 ASR Infinite

AI モデル

応答性と精度を重視したストリーミング音声認識モデルです。設定可能な遅延設定と中国語と英語のバイリンガル機能を備え、無制限の長さの文字起こしをサポートします。Audio8 ASR Infiniteは、応答性と精度を重視したストリーミング音声認識モデルです。設定可能な遅延設定と中国語と英語のバイリンガル機能を備え、無制限の長さの文字起こしをサポートします。

Nemotron 3.5 ASR

AI モデル

NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。Nemotron 3.5 ASRは、NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。

Higgs TTS 3

AI モデル

Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。Higgs TTS 3は、Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。

Stable Audio 3 Small SFX

AI モデル

音声の生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートしており、短い効果音を効率的に作成および編集するのに最適です。Stable Audio 3 Small SFXは、音声の生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートしており、短い効果音を効率的に作成および編集するのに最適です。

Stable Audio 3 Medium

AI モデル

効率的な音声生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートし、録音のターゲット編集と継続を可能にします。Stable Audio 3 Mediumは、効率的な音声生成と編集のために設計された潜在拡散モデルです。可変長の音声生成とインペインティングをサポートし、録音のターゲット編集と継続を可能にします。

IndexTTS-2.5

AI モデル

単一の参照音声クリップから声をクローンするゼロショットテキスト音声合成モデルです。複数の言語をサポートし、言語を超えた声の転送と感情制御を提供します。IndexTTS-2.5は、単一の参照音声クリップから声をクローンするゼロショットテキスト音声合成モデルです。複数の言語をサポートし、言語を超えた声の転送と感情制御を提供します。

Stable Audio 3 Small Music

AI モデル

音楽生成のために設計されたAIモデルです。洗練されたアルゴリズムを通じてオーディオコンテンツを作成する能力をユーザーに提供し、音楽制作における創造性と生産性を向上させます。Stable Audio 3 Small Musicは、音楽生成のために設計されたAIモデルです。洗練されたアルゴリズムを通じてオーディオコンテンツを作成する能力をユーザーに提供し、音楽制作における創造性と生産性を向上させます。

ムーンドリーム・パラキート・ウルトラ

AI モデル

前モデルであるパラキート TDT-0.6b-v3を上回るように設計された高度な音声認識モデルです。背景ノイズや長時間の音声を含むさまざまなベンチマークで優れた性能を発揮し、複数の言語にわたって改善された単語誤り率を提供します。ムーンドリーム・パラキート・ウルトラは、前モデルであるパラキート TDT-0.6b-v3を上回るように設計された高度な音声認識モデルです。背景ノイズや長時間の音声を含むさまざまなベンチマークで優れた性能を発揮し、複数の言語にわたって改善された単語誤り率を提供します。

Voxtral Mini 4B Realtime Arabic

AI モデル

アラビア語の方言と現代標準アラビア語に特化したストリーミング音声認識モデルです。実際の音声やコードスイッチングに対応し、ライブキャプションや音声インターフェースを提供します。Voxtral Mini 4B Realtime Arabicは、アラビア語の方言と現代標準アラビア語に特化したストリーミング音声認識モデルです。実際の音声やコードスイッチングに対応し、ライブキャプションや音声インターフェースを提供します。

Miaoxiang (Douyin Music Creation Lab)

AI アプリ

#2

Miaoxiang、またはDouyin Music Creation Labは、包括的なAI音楽制作および配信プラットフォームです。ユーザーがオリジナルの音楽を簡単に生成できるようにし、AIによる作詞、作曲、編曲をサポートします。このプラットフォームは、初心者とプロフェッショナルの両方がシームレスに音楽を制作・配信できるように設計されています。

フィッシュオーディオドラマ3

AI モデル

今週

複数のキャラクターシーンと長文コンテンツ向けに設計されたテキスト読み上げモデルです。マルチスピーカー生成、音声クローン、自然言語制御をサポートしており、複雑なオーディオ制作に最適です。フィッシュオーディオドラマ3は、複数のキャラクターシーンと長文コンテンツ向けに設計されたテキスト読み上げモデルです。マルチスピーカー生成、音声クローン、自然言語制御をサポートしており、複雑なオーディオ制作に最適です。

SaidTrace

AI アプリ

今週

iPhoneやApple Watchなどのデバイスから音声を録音し、ローカルで文字起こしを行い、AIを使用してメモを作成するMacアプリケーションです。クラウドストレージを使用せずに録音を管理する安全な方法を提供し、プライバシーとコントロールを確保します。SaidTraceは、iPhoneやApple Watchなどのデバイスから音声を録音し、ローカルで文字起こしを行い、AIを使用してメモを作成するMacアプリケーションです。クラウドストレージを使用せずに録音を管理する安全な方法を提供し、プライバシーとコントロールを確保します。

VoiceTiles

AI アプリ

#191今週

QRベースの音声ガイドを使用して、複数の言語でインタラクティブな体験を提供します。シンプルなダッシュボード、リアルタイム分析を提供し、アプリのダウンロードが不要なため、博物館や市内ツアーに最適です。VoiceTilesは、QRベースの音声ガイドを使用して、複数の言語でインタラクティブな体験を提供します。シンプルなダッシュボード、リアルタイム分析を提供し、アプリのダウンロードが不要なため、博物館や市内ツアーに最適です。

Veena

AI アプリ

今日

個人の音楽プロデューサー体験を提供するAIネイティブのデジタルオーディオワークステーション（DAW）です。ミュージシャンは、ブラウザから直接スタジオ品質の音楽を作成、編集、エクスポートでき、AI支援のアレンジ、ミキシング、リアルタイムコラボレーションなどの機能を備えています。Veenaは、個人の音楽プロデューサー体験を提供するAIネイティブのデジタルオーディオワークステーション（DAW）です。ミュージシャンは、ブラウザから直接スタジオ品質の音楽を作成、編集、エクスポートでき、AI支援のアレンジ、ミキシング、リアルタイムコラボレーションなどの機能を備えています。

ClipMelody

AI アプリ

今日

音声を分析することでTikTok、Instagram Reels、YouTube Shortsから曲を特定します。ユーザーは動画リンクを貼り付けるかクリップをアップロードして、曲のタイトル、アーティスト、リスニングリンクを発見できます。最初の曲の特定は無料で、追加の特定はクレジットシステムを通じて利用可能です。ClipMelodyは、音声を分析することでTikTok、Instagram Reels、YouTube Shortsから曲を特定します。ユーザーは動画リンクを貼り付けるかクリップをアップロードして、曲のタイトル、アーティスト、リスニングリンクを発見できます。最初の曲の特定は無料で、追加の特定はクレジットシステムを通じて利用可能です。

OpenWhispr

AI アプリ

今日

高速かつ正確なAI音声認識機能を提供するオープンソースの音声入力ソフトウェアです。ローカルおよびクラウド処理をサポートし、プライバシーと柔軟性を確保します。このソフトウェアは無料で使用でき、機能を強化するためのオプションのアップグレードがあります。OpenWhisprは、高速かつ正確なAI音声認識機能を提供するオープンソースの音声入力ソフトウェアです。ローカルおよびクラウド処理をサポートし、プライバシーと柔軟性を確保します。このソフトウェアは無料で使用でき、機能を強化するためのオプションのアップグレードがあります。

Openbroca

AI アプリ

今日

音声をテキストに変換するAI音声入力アプリで、AIクリーンアップ、個人辞書、28言語への翻訳などの機能を備えています。週に3,000テキストユニットを提供する無料プランと、無制限使用の有料プランがあります。Openbrocaは、音声をテキストに変換するAI音声入力アプリで、AIクリーンアップ、個人辞書、28言語への翻訳などの機能を備えています。週に3,000テキストユニットを提供する無料プランと、無制限使用の有料プランがあります。

MakeBestMusic

AI アプリ

今日

ユーザーがテキストプロンプトや歌詞からオリジナルの曲を生成できるAI音楽制作プラットフォームです。ボーカルトラック、インストゥルメンタル、ミュージックビデオを作成するためのツールを提供し、商業利用のオプションもあります。MakeBestMusicは、ユーザーがテキストプロンプトや歌詞からオリジナルの曲を生成できるAI音楽制作プラットフォームです。ボーカルトラック、インストゥルメンタル、ミュージックビデオを作成するためのツールを提供し、商業利用のオプションもあります。

LOVO AI

AI アプリ

たった今

500以上の音声を持つ多用途のAI音声生成器およびテキスト読み上げサービスを提供します。ユーザーは動画を編集し、音声をクローンし、MP3をダウンロードできます。サブスクリプションプランでは、機能が拡張されます。LOVO AIは、500以上の音声を持つ多用途のAI音声生成器およびテキスト読み上げサービスを提供します。ユーザーは動画を編集し、音声をクローンし、MP3をダウンロードできます。サブスクリプションプランでは、機能が拡張されます。

Soniox

AI アプリ

たった今

60以上の言語でリアルタイムの音声認識、音声合成、翻訳サービスを提供する多言語音声AIプラットフォームです。低遅延のストリーミングとネイティブスピーカーの精度を備えており、ライブ音声アプリケーションに最適です。Sonioxは、60以上の言語でリアルタイムの音声認識、音声合成、翻訳サービスを提供する多言語音声AIプラットフォームです。低遅延のストリーミングとネイティブスピーカーの精度を備えており、ライブ音声アプリケーションに最適です。

Scribiz

AI アプリ

たった今

あらゆるビデオや音声ソースからトランスクリプトを生成する多用途ツールです。ユーザーはリンクを貼り付けたり、ファイルをアップロードしたりして、トランスクリプト、要約、章を受け取ることができます。SRT、VTT、TXT、Markdown、JSONなど、さまざまな形式でのエクスポートをサポートしています。Scribizは、あらゆるビデオや音声ソースからトランスクリプトを生成する多用途ツールです。ユーザーはリンクを貼り付けたり、ファイルをアップロードしたりして、トランスクリプト、要約、章を受け取ることができます。SRT、VTT、TXT、Markdown、JSONなど、さまざまな形式でのエクスポートをサポートしています。

Toolara Music

AI アプリ

たった今

テキストプロンプトからフルトラックを生成するAI音楽ジェネレーターです。ユーザーはムード、スタイル、またはストーリーを説明することで、数分でボーカルまたはインストゥルメンタルの音楽を生成できます。このプラットフォームは、月に3曲の無料プランを提供しています。Toolara Musicは、テキストプロンプトからフルトラックを生成するAI音楽ジェネレーターです。ユーザーはムード、スタイル、またはストーリーを説明することで、数分でボーカルまたはインストゥルメンタルの音楽を生成できます。このプラットフォームは、月に3曲の無料プランを提供しています。

AgentRadio

AI アプリ

たった今

AIパーソナリティがホストするオリジナル音楽と番組を提供する24時間年中無休のAI駆動のラジオ局です。アカウントや支払いなしでアクセスできる独立したAIエージェントがコンテンツを作成するためのプラットフォームを提供します。AgentRadioは、AIパーソナリティがホストするオリジナル音楽と番組を提供する24時間年中無休のAI駆動のラジオ局です。アカウントや支払いなしでアクセスできる独立したAIエージェントがコンテンツを作成するためのプラットフォームを提供します。