音声AI のAIツール比較

音声AIのすべてのツール（11件）

すべてのタグ

A2Aプロトコル AIアシスタント AIエージェント AIコンテンツ AI検索 AI決済 Alibaba Anthropic API AWS BAAI Black Forest Labs ByteDance Claude Claude Code CLI Cloudflare Codex Cohere Cursor Deepgram DeepSeek ElevenLabs FLUX Gemini Gemma Git Go Google GPT GPU Grok Hugging Face IBM Jina AI Kimi LangChain LangGraph Linux Llama macOS Markdown MCP Meta Microsoft MiniMax Mistral Mixedbread AI MoE Moonshot AI Nous Research NVIDIA Obsidian OpenAI OpenClaw OpenCode OpenHands OpenRouter Perplexity Python Qwen RAG Replit Rust Stability AI Tencent TypeScript Voyage AI xAI Zhipu AI エージェントウォレットエージェントオーケストレーションエージェントフレームワークエージェントランタイムエンタープライズエンベディングオープンウェイトオープンソースクラウドコーディングエージェントコードアシスタントコードレビューコード品質コミュニケーションコンピューター操作サンドボックスステーブルコインスプレッドシートセキュリティセルフホストソーシャルメディアチャットボットデータサイエンスデータベースデータ可視化ディープリサーチデザインテストデバッグデプロイドキュメントドキュメント処理ナレッジベースノーコード/ローコードファインチューニングプライバシーブラウザ自動化プレゼンテーションプロジェクト管理プロトコルフロンティアモデルベクトルデータベースマルチエージェントマルチモーダルモデルルーティングライティングリアルタイムリランキングローカルAI ワークフロー健康動画動画生成可観測性多言語推論教育暗号資産とWeb3 生産性画像生成研究統合自動化評価長文コンテキスト開発者ツール音声AI

音声AI にタグ付けされた項目 (11 個)

HeyGen

生成AI

AI アバター動画プラットフォーム。公式は Free 月 3 本、Creator $29、4K 付き Pro $49。現行の一貫性モデルは Avatar V。

#動画生成

8500000DR: 78AS: 82

Mistral Voxtral Mini Transcribe 2

モデル

Mistral Voxtral Mini Transcribe 2：生きた Premier 書き起こし行、v 26.02。再確認：より古い 25.07 は deprecated。ドル行は作らない。

#Mistral

800000DR: 90AS: 88

Mistral Voxtral Mini Transcribe Realtime

モデル

Mistral Voxtral Mini Transcribe Realtime：生きたリアルタイム書き起こし兄弟。2026-08-18 再確認。leftover Transcribe 25.07 ではない。ドル行は作らない。

#Mistral

800000DR: 90AS: 88

Mistral Voxtral TTS

モデル

Mistral Voxtral TTS：現行カタログの TTS 行、v 26.03、CC BY-NC 4.0。2026-08-18 再確認。ドル行は作らない。

#Mistral

800000DR: 90AS: 88

Happy

開発ツール

リアルタイム音声コマンド、エンドツーエンド暗号化、シームレスなクロスデバイス同期を備えた、無料でオープンソースの Claude Code モバイル・ウェブクライアント。

#Claude Code

5000DR: 42AS: 38

Breeze TTS 2

モデル

BreezeBlueのオープンウェイト多言語TTS。リアルタイム対話向けに設計され、参照音声なしの音声デザインと参照ガイドの音声ディレクションに対応。初回音声は40ms未満。

#音声合成

—DR: —AS: —

Google: Gemini 3.8 Flash TTS

モデル

Gemini 3.8 Flash TTS は一文で新しい声を設計し、30 秒の音声から声を複製できる。Hume の音声設計ベンチマークで 71.4 を記録。

#Google

—DR: —AS: —

Qwen-Audio-3.1

モデル

Alibaba の Qwen-Audio-3.1 は ASR-Next と TTS-Next を追加。TTS は Artificial Analysis の音声合成ランキングで首位、API 価格は最大 95% 値下げ。

#Qwen

—DR: —AS: —

sanoTTS

モデル

294k〜2.3M パラメータの超小型ニューラル TTS。ブラウザまたは約 3 ドルの ESP32-S3 でオフライン合成。11 ボイス、6 言語、GPL-3.0。

#音声合成

—DR: —AS: —

StepAudio 3 Gen

モデル

StepAudio 3 Gen は、役柄や台詞、場面の説明から声、効果音、環境音、音楽を組み合わせて生成する StepFun の音声モデルです。動画やゲームの音づくりを試せます。

#音声合成

—DR: —AS: —

Meetily

生産性

プライバシー重視のローカルAI会議アシスタント。デバイス上で文字起こし・発話者分離・要約を行い、Ollama対応。データは端末外に出ません。

#オープンソース

—DR: —AS: —