Skip to content

picks

Voice AI infrastructure and speech engines for developers

A curated list of real-time speech APIs, local transcription models, and voice synthesis engines for software engineers building voice applications.

7 tools · curated by Stork

Building reliable voice interfaces requires orchestrating low-latency audio transport, speech recognition, and expressive text-to-speech synthesis. Engineering teams face tradeoffs between managed streaming APIs that minimize round-trip latency and open-weight models that preserve user privacy through local execution. Choosing the wrong abstraction early in development often leads to costly architectural rewrites when latency spikes or connection edge cases emerge in production. This collection highlights low-level voice infrastructure, real-time orchestration frameworks, and specialized speech engines. Evaluate these tools based on your system requirements—whether you need cloud-based streaming pipelines for turn-based conversation, self-hosted models for offline transcription, or expressive speech synthesis for voice agents.
  1. 1

    Vapi

    🤖 Automate

    Voice AI pour les développeurs

  2. 2

    Cartesia Sonic

    🤖 Automate

    Sonic est l'API vocale humanoïde la plus rapide.

  3. 3

    API en temps réel OpenAI

    🧩 Deploy

    Interface de streaming bidirectionnel pour GPT-4o Realtime.

  4. 4

    Whisper by OpenAI

    🤖 Automate

    Un réseau de neurones pour la reconnaissance vocale

  5. 5

    Phonon-2

    🤖 AI Tools

    Phonon-2 est un modèle de reconnaissance vocale axé sur l'anglais développé par Fermion Research, conçu pour la transcription locale sur appareil.

  6. 6

    KittenTTS 2

    🤖 AI Tools

    KittenTTS 2 est un modèle de génération de parole capable de produire une nouvelle voix ressemblant à celle d'un locuteur original à partir d'un court enregistrement audio, grâce à une fonctionnalité de voice cloning in-context.

  7. 7

    Minicrow AI

    🤖 AI Tools

    MiniCrow propose des outils d'IA pour la conversion parole-texte, texte-parole, l'IA vocale en temps réel et la compréhension vidéo, le tout via une API compatible avec OpenAI, conçue spécifiquement pour les langues indiennes. La plateforme comprend divers modèles optimisés pour des applications concrètes, notamment des LLM, des agents vocaux et des services de transcription.