多语言

OpenAudio S1

OpenAudio S1是Fish Audio推出的文本转语音(TTS)模型,基于200万小时音频数据训练,支持13种语言。采用双自回归架构和RLHF技术,生成自然流畅的语音,支持50多种情感和语调标记。具备零样本和少样本语音克隆功能,仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版,满足

GenFM

GenFM是一款由ElevenLabs开发的AI工具,可将PDF、文章、电子书等内容转换为多角色播客音频。它支持32种语言,具备自动化声音选择、人性化填充词添加及高度定制化功能,适用于教育、播客制作、有声书创作、商业推广等多个领域。

豆包向量化API

Doubao-embedding是字节跳动推出的语义向量化API,支持中英文文本处理及长文本向量化,提供多种维度的向量输出和丰富的SDK支持,适用于搜索引擎、推荐系统、知识图谱构建和自然语言处理等多种应用场景。

Verbalate Ai

Verbalate是一款通用的视频翻译和唇语同步工具,能够轻松地将音频/视频内容转换为多种语言,并具备语音克隆和唇语同步功能。

SkipWatch AI

一款AI驱动的YouTube视频总结工具,可一键生成视频摘要,支持多语言,能提取关键信息,适用于学生、职场人士等用户群体。

独角兽翻译器

一款功能强大的跨境私域管理营销工具,通过实时翻译、多平台账号管理、客户关系管理等功能,解决了跨境业务中的语言障碍和运营难题,是企业出海的得力助手。

风平智能

风平智能提供一站式AI解决方案,涵盖虚拟数字人定制、AI短视频生成、数字人直播、IP培育及交易等功能。平台利用先进AI技术,支持多语言互动,服务于金融、教育、医疗等行业,推动数字人技术在元宇宙时代的广泛应用。

MyColorSpace

一款用于生成颜色调色板和颜色渐变工具的网站,用户只需输入一个颜色,MyColorSpace便会自动生成与之搭配的多种颜色组合,适合设计、艺术创作等多种用途。

Llasa TTS

Llasa TTS是基于LLaMA架构的开源文本转语音模型,支持高质量语音合成、情感表达和音色克隆。采用单层VQ编解码器和Transformer结构,具备多语言支持及长文本处理能力,适用于智能助手、有声读物、游戏娱乐等场景。模型提供不同参数规模版本,支持零样本学习,提升语音自然度和表现力。