Speko 为开发者提供统一语音API，集成语音转文字、语言模型与文本转语音，带基准测试，便于构建语音应用。 热门评论 PH 用户Hi Product Hunt! 我是 Speko 的创始人 Bek。在那之前，我在一家做语音 AI 应用的创业公司担任联合创始人/CTO。A 轮融资后我离开了，想解决我们每周都会遇到的痛点：我们需要支持 10 多种语言，而我希望能有一个网关，根据使用场景和语言路由到合适的语音技术。那时候我们的流程是：在 Google Sheet 里放 15 个音频链接，发给说这些语言的人打分。如果新模型表现好，就换掉旧的。每周都有新东西出来，哪怕只是英语模型，测试起来研发成本太高，导致大多数团队最终跑的还是过时模型——换模型看起来总像是一个研发项目。所以今年年初，我们成立了 Speko。它是什么：一个语音模型路由器。你告诉我们使用场景和语言，我们会为你路由到最好的 speech-to-text、LLM 和 text-to-speech——这是基于我们公开的 benchmark 评估，而不是厂商的宣传。你应该在任何时候都跑着最合适的语音技术栈。我们自己不训练或出售模型，这正是我们保持排名公正的原因。这个方法是如何演变的：我们最近在 Hacker News 上发布，讨论让我们的解释更清晰了。「路由器」其实隐藏了三个问题：选什么（模型、提供商还是整个技术栈）、放在哪里（外部跳转还是你的会话内部）、什么时候决定（会话开始还是通话中途）。语音智能体是一个实时双工会话，而不是批量请求——这就是为什么它需要独立产品。而且我们是无代理的：路由在会话开始前就确定，然后音频直接流向提供商——音频路径上没有额外的跳转。PH 用户我已经和 Bek 讨论过这个方向，我们甚至一起办过一次关于语音 AI 发展的深度线上 meetup。所以看到 Speko 背后的想法现在变成一个真实产品，特别有意思。随着新模型和提供商不断涌现，选择合适的语音技术栈变得越来越复杂。我非常喜欢 Speko 的做法：独立 benchmark、基于具体使用场景和语言进行路由，而且不会偏向自家模型。非常有趣的产品和方向。祝 Bek 和 Speko 团队好运！PH 用户恭喜发布 @abdikbek！我们确实都需要一个语音 AI 的 OpenRouter。想知道你们多久刷新一次这些 API 列表，或者会不会加入更多提供商。PH 用户与 Google 的开源库和其他替代方案相比，优势在哪里？另外，像瑞典语或丹麦语这类支持较少的语言怎么样？P.S. 我刚在这里看到一个关于儿童应用的帖子。你们可以考虑和他们合作——他们有儿童语音识别，能把语音转换为文字。PH 用户喜欢你们的产品，伙计们。我们正在 SUN 使用它。PH 用户我喜欢那种能把我讨厌做的事全包了的产品。恭喜 Speko，我是你的自豪用户。 热门产品Bek Abdik2026-08-27原文 打开互动版
在那之前，我在一家做语音 AI 应用的创业公司担任联合创始人/CTO。A 轮融资后我离开了，想解决我们每周都会遇到的痛点：我们需要支持 10 多种语言，而我希望能有一个网关，根据使用场景和语言路由到合适的语音技术。那时候我们的流程是：在 Google Sheet 里放 15 个音频链接，发给说这些语言的人打分。如果新模型表现好，就换掉旧的。每周都有新东西出来，哪怕只是英语模型，测试起来研发成本太高，导致大多数团队最终跑的还是过时模型——换模型看起来总像是一个研发项目。所以今年年初，我们成立了 Speko。
它是什么：一个语音模型路由器。你告诉我们使用场景和语言，我们会为你路由到最好的 speech-to-text、LLM 和 text-to-speech——这是基于我们公开的 benchmark 评估，而不是厂商的宣传。你应该在任何时候都跑着最合适的语音技术栈。我们自己不训练或出售模型，这正是我们保持排名公正的原因。
这个方法是如何演变的：我们最近在 Hacker News 上发布，讨论让我们的解释更清晰了。「路由器」其实隐藏了三个问题：选什么（模型、提供商还是整个技术栈）、放在哪里（外部跳转还是你的会话内部）、什么时候决定（会话开始还是通话中途）。语音智能体是一个实时双工会话，而不是批量请求——这就是为什么它需要独立产品。而且我们是无代理的：路由在会话开始前就确定，然后音频直接流向提供商——音频路径上没有额外的跳转。
所以看到 Speko 背后的想法现在变成一个真实产品，特别有意思。随着新模型和提供商不断涌现，选择合适的语音技术栈变得越来越复杂。
我非常喜欢 Speko 的做法：独立 benchmark、基于具体使用场景和语言进行路由，而且不会偏向自家模型。
非常有趣的产品和方向。祝 Bek 和 Speko 团队好运！
P.S. 我刚在这里看到一个关于儿童应用的帖子。你们可以考虑和他们合作——他们有儿童语音识别，能把语音转换为文字。