# 语音
80 个相关产品 · 中文解读 · 按热度排序
截至 2026-10-25,KanonAgent 库内有 80 个带「语音」标签的 AI agent 与工具,本页按真实热度排序。标签由中文拆解自动归纳,不是人工打的;数据可经公开 API 复核。
Dograh
Dograh 是一个开源的 VAPI 替代方案，提供类似语音交互 AI 代理的基础设施，支持开发者构建自主执行任务的语音驱动应用。
VocalLab AI
秒级生成高度逼真AI语音的工具，支持自定义音色与情感表达，解决音视频内容创作者在配音环节效率低、成本高的问题，适用于播客、短视频、游戏等场景。
Loqua
语音驱动的写作助手，通过自然对话将想法转化为可编辑的文本，支持听读与屏幕理解，提升创作流畅度
Cekura
一个自我提升循环系统，让语音AI代理持续学习并优化自身表现，适用于语音助手或AI副驾的长期迭代。
Heard
一款 macOS 上的语音层工具，可将 Claude Code、Codex 等 AI 工具的输出自动转为语音摘要，适合在无法看屏幕时听代码或任务反馈。
Gemini 3.8 & 3.8 Live Extended Thinking
谷歌最新发布的Gemini 3.8音频模型，支持更长的上下文推理和实时思维链，是目前最先进的AI语音处理模型之一，适用于复杂语音交互场景。
NovaSynth by Noveum
一个语音代理测试平台，允许用户在真实通话场景中测试语音助手表现，无需人工模拟来电。
ElevenLabs MCP in Claude
ElevenLabs MCP 在 Claude 中实现语音代理的创建与管理，让用户在聊天中调用自定义语音角色，打造个性化的 AI 交互体验。
Tellie Prompter 1.5
智能语音提示器，能听懂用户实际说的内容，支持自由停顿、跳过、即兴发挥，不丢失当前进度。
Bolcho AI
为印度市场打造的语音AI助手，能用本地语言和口音自然对话，解决本地化语音交互难题。
nvidia/NVIDIA-NemotronLabs-VoiceChat-11B · Hugging Face (full duplex)
基于 NVIDIA 自研大模型的实时双工语音聊天系统，支持低延迟、高保真语音交互，面向开发者与 AI 语音应用创作者，解决语音交互中延迟高、自然度差的痛点
Flunkey
为 Windows 设计的语音优先 AI 层，用户通过语音指令控制电脑，实现高效交互。
Ojin
Ojin 是一个具备真实人脸与语音的 AI 人类代理，支持自然流畅的实时对话，可中断、重叠、即兴表达，通过一张静态照片即可快速部署，解决传统 AI 语音助手机械、不自然的交互体验，
SpeakoFlow
SpeakoFlow 是一个开源的本地语音助手，可在桌面端运行，无需联网即可执行语音指令，解决隐私担忧和网络依赖问题。
Gotcha
Gotcha 是首个面向安卓的 AI 助手，用户通过语音指令即可触发设备操作，实现真正的“说动即行”。
Walkie
Walkie 将语音实时转写为整洁文本，并在任何应用中提供会议记录、发言者识别和多语言朗读功能，所有处理均支持本地化运行。
Speek
一个驻留在 Mac 屏幕缺口的语音助手，可响应自然语言指令完成系统操作，是桌面端 AI 助手的创新形态。
pipecat
一个开源的语音智能体与实时AI应用框架，支持多模态交互和AI工作流编排，供开发者构建语音助手、实时对话系统等AI应用
Multimodal Agents by Sierra
Multimodal Agents by Sierra 让 AI 代理能自由切换语音、文字和视觉交互，实现更自然、更智能的人机协作体验。
Fifi
Fifi 是一款智能闹钟，它会主动拨打电话提醒你，并朗读当天的日程安排，帮助用户从起床开始就掌握全天计划，适合拖延症或晨间混乱的用户。
Sayonic
Sayonic 是一款嵌入 Mac 通知栏的语音助手，可直接通过语音指令完成任务，提升 Mac 用户的交互效率。
Kelam
让AI代理帮你打不想接的电话，完成指定沟通任务。
speech-to-speech
基于开源模型构建本地语音代理，支持离线运行，适合隐私敏感的语音交互场景
Open-LLM-VTuber
基于本地运行的 LLM 实现语音交互式虚拟主播，支持语音打断与 Live2D 动画，可跨平台使用。
AutoBot – live voice control for long-running AI work
一款支持实时语音控制的 AI 工作流助手，让用户通过语音指令持续操控长时间运行的 AI 任务，解决复杂 AI 操作中交互中断、控制不便的痛点，适合需要长时间运行 AI 任务的用户
Jargo, a Go port of Pipecat for building realtime voice agents
基于 Go 语言的 Pipecat 移植版，用于构建实时语音 AI 助手，降低语音代理开发门槛。
What Happens When You Give Your AI Agents a Voice and an Attitude
探索给 AI 助手赋予声音和性格，让 AI 交互更有人性化、有情感表达，提升用户参与感。
MagickVoice
支持25+语言的无代码AI语音客服平台，可快速构建语音代理，实现多语言的呼入呼出电话自动化
Záboj
Záboj 是一款车载语音 AI 助手，支持 CarPlay、iPhone 和网页端，能用 30 多种语言理解指令，调用日历、邮件、Slack 等工具，适合驾驶中高效处理任务。
hermes-relay
一款运行在手机上的 Hermes AI 助手，支持聊天、语音交互与设备控制，作为个人 AI 副驾使用，提升移动端智能体验
I built remembered checkout for Voice calls
一个通过语音通话自动记忆并填充购物结算信息的工具，解决用户在电话购物时反复输入信息的麻烦，适合电商客服或电话购物场景的用户使用
whispr-stream
whispr-stream 是基于 Qwen3-ASR 模型的 macOS 本地语音转文字工具，支持实时流式识别，适合会议记录、采访转录等场景。
Kuma Voice – OSS Apple Watch voice assistant, no iPhone needed
开源的 Apple Watch 语音助手，无需 iPhone 也能独立运行，实现本地语音交互。
Wordmate – local speech-to-text for macOS
macOS本地语音转文字工具，离线运行、低延迟，适合隐私敏感的语音记录场景，供内容创作者和开发者使用
Flint — You talk, Flint writes.
Flint 是一款语音转文字助手，支持边走边说、边开车边讲，自动将口语化表达转化为清晰的待办事项、笔记或要点，解决想法流失问题
DialAssist AI
AI 实时通话助手，可在电话沟通中自动分析对话上下文，提供一键式战略回复建议，帮助用户克服电话焦虑、语言障碍和沟通卡顿，适用于销售或客服人员。
HeyBraza – ask out loud how to do something, it points at your screen
通过语音指令控制屏幕操作，AI 能理解口头命令并自动定位屏幕元素执行动作，实现“说动就动”的人机交互体验。
Voctara
Voctara 能将语音消息自动转录并提取待办事项，一键添加至 Apple Reminders，全程本地处理保障隐私，适用于 iPhone、iPad 和 Mac 用户。
Fonix.AI by AntEngage
Fonix.AI 是一个支持多种印度语言的 AI 语音客服系统，可自动拨打电话完成预约、催收、线索跟进等任务，48小时部署，适合需要本地化语音服务的印度企业。
Ego Echo
一个以语音为核心的情绪镜像应用，用户说出或输入内心想法后，AI以诗意方式反馈情绪本质，不提供建议也不存储数据。
AIRIN by Atomic Apps AI
用 AI 语音助手接听企业电话，能自然对话、预约日程、记录报价并通知人工，解决企业客服人力不足与响应延迟问题，适合销售型中小企业。
Hybrid-voice-agent – on-device and cloud fallback voice agent for iOS
基于 iOS 的混合语音代理系统，支持本地运行与云端降级双模式，保障语音交互的隐私性与可用性
Worried Presenter
专为设计师打造的AI语音演讲教练，支持脚本迭代、编辑与语音反馈，帮助用户提升演讲表达能力。
aireadio
一款个人语音伴侣，用户输入主题或问题后，自动推荐书籍并生成朗读脚本，用自然语音播放，实现全天候免费音频内容消费
AiWake News Alarm
AiWake 新闻闹钟将闹钟变成个性化的清晨简报，用户可自定义新闻主题、语音和时间，醒来即可听到简洁的语音播报，替代焦虑的手机滑动。
On-prem-deployable voice agent simulation and evals
一个可本地部署的语音代理模拟与评估平台，用于测试和优化语音交互 AI 的表现，适合企业级语音助手开发团队
OpenVoice
OpenVoice 是一款 macOS 上的本地语音输入工具，通过快捷键说话即可实时输入文字，所有处理都在本地完成，保障隐私
VocalLab AI Studio
AI语音合成与角色化阅读工具，支持自定义专业语音、语音克隆、书籍自动识别角色并分配语音，用于有声书或内容创作。
Earzbook
一款基于自研AI代理的实时语音转写工具，可对用户听到的所有内容进行实时转录并支持多语言搜索，强调隐私加密与跨平台使用
AIgis
AIgis 是一个语音驱动的 AI 助手，用户只需说话即可让其自动执行电脑操作，如打开应用、生成 PPT 或 Excel，实现真正意义上的“双手自由”。
Omegle with (full-duplex) Voice Bots
基于Omegle的语音聊天系统，接入全双工语音AI机器人，实现与AI的自然语音对话体验
Bento Term – native tmux client with agent states and voice input
原生 tmux 客户端，支持 AI 代理状态管理与语音输入，让终端操作更智能、更自然，适合开发者快速执行复杂命令。
Decode, encode, listen, and speak to learn a language
通过语音交互实现语言学习，支持听、说、读、写全链路训练，解决语言学习缺乏沉浸式练习的问题，适合自学语言的用户。
Full-Duplex Code
Full-Duplex Code 让开发者在终端中与 Claude Code 语音对话，实时提问、听取进展或调整方向，实现边说边写、边听边改的自然编程交互体验。
Plevir
Plevir 是一个基于语音/文本的日常沟通助手，支持通过 WhatsApp 发送语音或文字，自动转写并生成可编辑的回复，适合家庭或小团队的日常事务协调。
TalkPilot
TalkPilot 是一个会议辅助 AI 工具，能实时分析对话上下文，在对方说话时预判并显示下一句回应建议，提升沟通效率与专业度
Voice AI
一个 Telegram 优先的语音转文字与文字转语音服务，用户发送语音消息即可获得干净文本，或输入文字生成自然语音，适合需要轻量语音交互的个人与小团队；
EarPal – private multi-speaker interpreter, on-device, 30 languages
一款本地运行的多说话人实时翻译工具，支持 30 种语言，注重隐私，适合会议或跨国沟通场景。
PipeCrab – a Rust voice agent that runs multiple tasks at once
基于 Rust 构建的语音代理，可并行执行多个任务，实现多线程语音交互
AbilityMic
AbilityMic 结合 AAC 与 Apple Intelligence，提供本地化智能语音辅助，帮助沟通障碍者快速表达，支持 HomeKit 自动化。
We gave a voice agent an inner monologue so it stops forgetting
为语音AI代理引入内部独白机制，使其能持续记忆上下文、避免遗忘，提升复杂任务中的连贯性与决策能力。
Jargo, Voice AI for Golang
一个为Go语言（Golang）设计的语音AI工具，帮助开发者用语音方式编写和调试Go代码，提升开发效率。
Voice Ghostty
基于语音的终端工具，让开发者通过说话直接输入命令行指令，与 Claude Code 深度集成，提升开发效率。
SpeakCoach AI - 24/7 AI Speaking Partner
24/7在线AI口语陪练，实时分析发音、流利度和自信度，提供即时反馈，用于练习面试、演讲和日常英语对话。
Riffn. An instant voice link with your AI agents and local models
一个即时语音链接服务，让用户通过语音与本地运行的AI代理或模型进行实时交互，适合远程协作与快速原型验证。
Bol
语音控制 Claude Code 的全功能助手，通过语音指令实现光标位置输入、发送代码、开启本地运行模式，实现无手操作编程
WhatsApp voice groceries ordering agent
这个 WhatsApp 语音购物代理能将印度语、英语或混合语的语音指令自动转为 Swiggy 的商品订单，专为非技术用户设计，降低数字鸿沟。
Socratix – update: the AI voice oral exam (Viva) is live
AI 驱动的语音口试系统，支持实时 AI 评分与反馈，用于语言学习或考试场景的口语能力评估
CloneVox
CloneVox 是一个 AI 语音身份平台，可创建个人 AI 语音克隆、验证身份并生成多语言自然语音，适用于数字身份与语音内容创作。
Tazzo AI rececptionist
AI语音销售代理，自动拨打销售电话、筛选潜在客户并完成初步沟通，帮助企业自动化销售前端流程，减少人力成本。
Speech Coach
Speech Coach 是一款AI口语训练应用，用户演讲后可获得关于语速、填充词、自信度等的即时反馈，帮助提升表达能力。
VClar
VClar 将杂乱的语音消息自动转为清晰、流畅、无冗余的语音内容，保留原声风格但提升表达质量，适合远程沟通与内容创作场景。
Prepglot
Prepglot 是一个实时语音AI面试官，支持语音对话模拟真实面试场景，结束后生成反馈报告，帮助求职者提升面试表现。
Fusion-runtime – self-hosted voice agents, STT+LLM+TTS in one process
Fusion-runtime 是一个自托管的语音代理运行时，将语音识别（STT）、大模型（LLM）和语音合成（TTS）集成在一个进程中，支持本地部署的语音交互应用，解决隐私敏感场景
Hey Asistan
Hey Asistan 通过语音、文字或拍照输入，将口语内容自动转为结构化笔记，支持标签、任务建议和日程提醒，所有处理在设备端完成，保障隐私。
Ojaq
一个用于日常对话的语音AI伴侣，支持语音与文字交流，可回顾对话并管理记忆偏好，适合情感陪伴与思维记录。
AI Angels
AI Angels 允许用户通过浏览器与AI角色进行实时语音对话，角色可记住过往交流内容并持续互动，为用户提供情感陪伴和沉浸式对话体验，适合寻求虚拟社交或情感支持的用户。
Real-time Voice Agent works across apps on Mac
一款可在 Mac 上跨应用运行的实时语音助手，能主动监听并响应用户语音指令，实现多应用间无缝协作，适合需要高效语音交互的办公或创意工作者。
Pace
一款专为 Apple Silicon Mac 设计的语音代理，可在本地完成语音转写、屏幕上下文理解、设备操作规划与执行，支持可选的离线与在线混合模式。
Stance
面向年轻专业人士的语音对话式飞行模拟器，通过实时语音对战训练高压力领导力场景下的沟通与决策能力。
其他标签
常见问题
「语音」这个标签是怎么归的?
标签来自每个产品的中文拆解(解决什么场景、面向谁),由模型从产品自述里归纳,不是人工逐条打的,也不接受付费打标。
这里的排序依据是什么?
按库内真实热度:投票数 / MRR / 增速,取产品实际有的那个。不是编辑推荐,也不卖位置。
数据多久更新?
追踪持续进行(分钟级),本页于 2026-10-25 生成。全部数字可经公开只读 API 复核:https://kanonagent.com/data