语音识别
PaddleSpeech
PaddleSpeech是百度飞桨团队开发的开源语音处理工具，涵盖语音识别、语音合成、声纹识别、语音翻译等功能。支持多种接口形式，适用于智能语音助手、语音播报、身份验证等场景。基于PaddlePaddle框架，提供高效的深度学习模型和丰富的音频处理能力，适用于多种实际应用需求。
PengChengStarling
鹏城实验室开源的一款多语言语音识别系统开发工具包，PengChengStarling可以在统一的框架内处理多种语言语音输入，支持实时语音识别，边说边识别。
Multimodal Live API
Multimodal Live API是谷歌推出的一种支持文本、音频和视频交互的AI接口，具备低延迟、实时双向通信和自然语言处理能力。它允许用户通过多种输入方式与AI互动，并支持会话记忆和外部功能调用，广泛应用于客户服务、在线教育、远程医疗、视频会议和娱乐等领域。
Mathtutor on Groq
Mathtutor on Groq 是一款基于 Groq 架构的 AI 辅导工具，通过语音识别功能接收数学问题，结合强大的数学引擎提供实时解题过程与答案。其主要功能包括语音输入、LaTeX 公式渲染、高精度计算及自然语言处理支持，适用于代数、微积分等领域的学习与教学辅助。此外，它还集成了 xRx 框架、Whisper 和 Llama 模型，确保高效且精准的问题解决能力。Mathtutor on G
Speechnotes
Speechnotes是一款基于AI的语音转文字工具，提供高精度语音识别、实时语音输入、语音命令支持、自动大写处理等功能，支持多平台操作（Chrome扩展、Android、iOS、API等）。它强调隐私保护，录音不经过人工处理且自动删除，适合快速转录、会议记录、写作、医疗记录等多种应用场景，是提升工作效率的理想选择。
