Gemini 2.0 Gemini 2.0 是谷歌推出的原生多模态AI模型,具备快速处理文本、音频和图像的能力,支持多语言输出和实时音视频流输入。通过Agent技术和工具调用,Gemini 2.0 能够自主理解任务并提供解决方案,已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用,计划逐步开放更多功能。 AI项目与工具 2025年06月12日 63 点赞 0 评论 267 浏览
ReHiFace ReHiFace-S是一款由硅基智能团队开发的开源AI项目,专注于高保真、实时的人脸替换。该算法具备无需数据训练、高保真度换脸、支持多目标人脸替换、色彩矫正、一键快速部署、Gradio交互界面及支持ONNX格式等特点。ReHiFace-S适用于娱乐、影视制作、VR/AR等多个领域,具有实时处理能力、零样本推理、改进的人脸分割模型等功能。 AI项目与工具 2025年06月12日 97 点赞 0 评论 265 浏览
Notta Notta是由MIND CRUISER LIMITED推出的语音转写软件,主要针对个人使用,并在海外拥有数十万用户。这款软件具有录音实时转写、音/视频导入转写、文本多格式导出、音频标记等功能,... Ai办公效率 1970年01月01日 0 点赞 0 评论 265 浏览
Speech Studio Speech Studio是一套用于构建和集成Azure认知服务语音服务功能到应用程序中的工具。它为创建项目提供了一种无需代码的方法,可以访问诸如实时语音到文本、自定义语音识别模型、发... Ai语音工具 1970年01月01日 0 点赞 0 评论 264 浏览
Buzz Buzz是一款基于OpenAI Whisper模型的离线语音转文字工具,支持实时语音转文字和音频视频文件转录。它具备多语言识别和翻译功能,支持多种格式导出,并能在本地离线操作以保护用户隐私。主要应用于视频字幕制作、采访记录整理、语言学习辅助、会议记录和学术研究等场景。 AI项目与工具 2025年06月12日 10 点赞 0 评论 263 浏览
Sync Labs Sync Labs是一款基于AI技术的视频配音工具,其主要功能是实现实时唇形同步,支持多种语言。该工具无需用户进行额外的训练,通过简单的界面操作即可实现音频与视频的完美匹配。它适用于电影、播客、游戏和广告等多种视频内容制作,同时提供了开放API,方便集成到各类应用和服务中。 AI项目与工具 2025年06月12日 96 点赞 0 评论 258 浏览