Speech Recognition Obračun — 3. studenoga 2024.

1

WithAudio

Jednomplatačan tekst-čudozvjezdan preuzimač za Mac i Windows sa prirodnim AI glasovima.

4.8 (6)

Freemium

Puna recenzija

WithAudio je desktop aplikacija za prevođenje teksta u govor za Mac i Windows, koja pretvara pisane sadržaje u govor izraženog zvuka. Korisnici mogu kopirati tekst, učitati dokumente ili uvesti članke, te ih imati pročitani koristeći selekciju glasova proizvedenih pomoću učenja mašine, što ga čini korisnim za pregledanje, prilagodbu za osobe s invaliditetom te čitanje bez ruku. Upravo kao uglavnom sve TIH alata, koji ovisi o mjesečnim pretplatom, WithAudio se nude kao jednomotorna kupnja, što privlači čitatelje i pisce koji hoće predvidive troškove. Aplikacija je usmjerena prema jednostavnom iskustvu slushanja umjesto kompleksne proizvodnje zvuka s odgovorom na playback, kontrolama i mogućnosti izvoza stvoreni zvuka u buduće upotrebe.

• Ukazivanje tekst-a u glas sa AI glasovima
• Kombinirano podrška za macOS i Windows
• Izvoz audio za offline čitanje
• Upute za dokumente i tekst
• Prijelazne kontrole za audijiranje
• Jednokratno aktiviranje licencije

2

CallFluent

Platforma za analizu poziva koji koristi AI za transkripciju, analizu i automatsko obrađivanje poslovnih telefonskih razgovora.

4.4 (5)

Freemium

Puna recenzija

CallFluent je AI-vođena platforma za analizu poziva koja olakšava poslovnim tvrtkama da dobivaju više vrijednosti iz svojih telefonskih interakcija. Kombinira pretvараnje govora u tekst, razumevanje razgovora i automatsku pozdravsku logiku kako bi došla do zapisa iz prodajnih razgovora, korisničkih prijava i upitnika. Platформа analizira ton, namjere i ključne teme kroz pozive, dajući timu vidljivost u osebujnosti klijentskog stavaj, performansom agenata i zajedničkim objekcijama. Menadžeri mogu pregledavati trendove kroz visoka voluma razgovora bez ručnog slušanja svake snimanke. Dobitkom CallFluenta su automatske funkcije poput sažetaka poziva, protokola za CRM i izazova za nastavak, kako bi se povećalo uklanjanje ponavljajućih poslova nakon poziva i pomogle timovima da reagiraju brže na što što zapravo kazuje korisnici.

• Transkripcija govora u tekst
• Analiza sentimenta i namjere
• Automatska sinhronizacija poziva
• Pružanje uvida u konverzacije
• Integracije s CRM-om i radnim protokolima
• Početci automatske aktivacije nakon poziva

3

Inworld AI

Sadi interaktivne AI-vođene likove za igre i uvlačajuće virtualne iskustva.

4.6 (5)

Freemium

Puna recenzija

Inworld AI je motor karaktera dizajniran za razvijače igara, virtualnih svjetova i interaktivnih medija. Omogućava stvarateljima da dizajniraju NPC-ove i digitalne personae s različitim osobinama, sjećanjima, glasom i motivacijama, a zatim ih donesu na život kroz živu raspravu i kontekstualno ponašanje. Plataforma kombinira jezične modele s ciljevima, bazama znanja te emocionalnim stanjima time što likovi mogu odgovoriti dinamično na igratelje umjesto da slijede skriptske linije. Integracija s motorima poput Unreal i Unity zajedno s SDK-ovima i API-ja omogućava raspoređivanje likova u različita projekta igara, iskustva za razgovor, simulacije vježbanja i aplikacije za zabavu.

• Prilagodljive AI likove ličnosti
• Dugoročno pamćenje i baze znanja
• Glava i izražavanje emocija
• SDK-ovi za Unity i Unreal Engine
• Ciljevi, udarci i kontroli ponašanja
• Multiplayer i multi-character interakcije

4

Molly Personal Assistant

Asistent za rad s AI za automatisiranje protokola rada i učinkovito suradničko istraživanje.

4.5 (6)

Freemium

Puna recenzija

Molly je inteligentni lični asistent dizajniran za automatski upravljanje radnim procesima i olakšavanje suradnje timova. Cilj je pružiti duboko lični iskustveni tok kroz svoje 'beskonačno pamćenje' karakteristiku, koja omogućava mu da pamti korisničke preferencije i prilagođava interakcije prema njima. Korisnici mogu povjeriti zadaće Mollyju, koja ih izvršava na način koji se slaže s stilom korisnika. Asistent također nudi aktivne preporuke kako bi korisnike predstavio pred napredom previdivši njihove buduće potrebe. Molly trenutno se nalazi u ograničenom privatnom beta testu, a zainteresirani korisnici mogu pristupiti čekalici za iskustvenim iskušenjem njene sposobnosti.

• Automatizacija protokola rada
• Praćenje zadataka i projekata
• Alati za suradničko istraživanje
• AI asistent fokusiran na produktivnost
• Inteligentni rasporedi i upozorenja
• Integracije s različitim alatima

5

Deepgram

API-ji za prevođenje govora u tekst i teksta u govor za izgradnju aplikacija u stvarnom vremenu

4.6 (5)

Freemium

Puna recenzija

Deepgram je platforma za glasovni AI koji developerima pruža API-je za transkripciju audio zapisa i generiranje prirodno zvučnog govora. Njegovi modeli su dizajnirani za niskoukasični, visokotočni rad preko široke palete jezika, akcenata i uvjeta audio zapisa, čime je pogodan za živu titlovnu oznaku, analitiku poziva, glasovne asistentice i konverzacijske agente. Osim temeljne transkripcije, Deepgram nudi funkcije poput dijarizacije govornika, otkrivanja sentimenta i teme, prilagođenog obučavanja modela i podrške za strimovanje. Platforma je namijenjena inženjerskim тимовима koji moraju integritirati glasovne mogućnosti u svoje proizvode bez gradnje infrastrukture za obrađivanje govora od temelja.

• Stvarno-vremenski tok govora u tekst
• Neuronalni glasovi za tekst-u-govor
• Dijarizacija govornika i vremenske oznake na razini riječi
• Prilagodba podešavanja modela
• Zvukovna inteligencija (_sentiment, teme, sažimanje)
• REST i WebSocket API-ji s SDK-ijima za više jezika

Kokoro TTS je sustav tekst-za-govor koji je dizajniran da pretvori zapisani ulaz u jasne, prirodnog-izgledajuće govoreće reci preko niza jezika i glasačkih slogova. Cilj je uključivati visokokvalitetnu sinhronizaciju glasa u pristup razvojljacima, stvarateljima sadržaja i entuzijastima koji potrebno realistični audio izlaz za projekte koji uključuju video zapise, audioknjige, pomoćne alate za dostupnost i glasove asistenci. Model usredotočen je na proizvodnju fluentne melodije i prepoznatljivih osobina govornika dok istovremeno ostaje lak za instalaciju na različite okruže. Korisnici mogu generirati govoreno zvučno sadržaj iz tekstnih snimanaka, odabrati između različitih glasova i ugrađiti rezultat u svoje vlastite tokove ili aplikacije.

• Mehunarodna tekst-za-glasovna generacija
• Više odabiranog profil glasa
• Prirodni ritam i tempom
• Izvozljiva audio izlaz
• Podrška za aplikacije, video i naracija
• Urednik-prijateljska integracija