CoGenAV CoGenAV是一种先进的多模态学习模型，专注于音频和视觉信号的对齐与融合。通过对比特征对齐和生成文本预测的双重目标进行训练，利用同步音频、视频和文本数据，学习捕捉时间对应关系和语义信息。CoGenAV具备音频视觉语音识别、视觉语音识别、噪声环境下的语音处理、语音重建与增强、主动说话人检测等功能，适用于智能助手、视频内容分析、工业应用和医疗健康等多个场景。 AI项目与工具 2025年06月11日 80 点赞 0 评论 480 浏览
在线AI转换 在线AI转换是一个集语音处理与图像优化于一体的AI平台，支持文本转语音、语音转文字、图像去雾、无损放大、黑白上色等功能，操作便捷，适用于多种应用场景，如有声书制作、会议记录、照片修复等，有效提升内容创作与图像处理效率。 AI项目与工具 2025年06月12日 12 点赞 0 评论 481 浏览
AstrBot AstrBot是一款多功能聊天机器人及开发框架，支持多种大语言模型和消息平台，具备多轮对话、语音转文字、网页搜索等功能。它采用模块化设计，支持插件开发和多平台部署，适用于企业客服、个人助手、教育辅导等多个场景，提供高效的智能交互体验。 AI项目与工具 2025年06月12日 55 点赞 0 评论 483 浏览
Audio Audio-SDS是由NVIDIA研发的音频处理技术，基于文本提示引导音频生成，支持音效生成、音源分离、FM合成及语音增强等多种任务。该技术无需重新训练模型，即可将预训练音频扩散模型扩展为多功能工具，具备高效推理能力，适用于游戏、音乐制作、教育及智能家居等多个领域。 AI项目与工具 2025年06月11日 81 点赞 0 评论 483 浏览
Speechelo Speechelo是一款基于先进AI技术的文本转语音工具，支持超过30种性别和语言的声音选择，用户可通过调整语调、速度和音高来自定义语音效果。它兼容主流视频编辑软件，适用于产品演示、教育培训、营销推广等多种场景，助力高效生成高质量语音内容。 AI项目与工具 2025年06月12日 52 点赞 0 评论 484 浏览
DreamTalk 一个由清华大学、阿里巴巴和华中科大共同开发的一个基于扩散模型可以让人物照片说话，支持包括歌曲、多种语言的语音、嘈杂的音频在内的各种声音匹配让人物头像说话的框架。 Ai开源项目 2025年06月05日 98 点赞 0 评论 484 浏览
Linly 一款开源的多语言AI配音和视频翻译工具。Linly-Dubbing可以自动将视频翻译成其他语言并生成字幕、克隆视频中说话者的声音并自动配音、进行口型同步。 Ai开源项目 2025年06月05日 38 点赞 0 评论 486 浏览
讯飞译制 讯飞译制是一款基于语音识别与机器翻译技术的智能字幕制作与翻译平台，支持多语言转换与自动字幕生成，提供高精度识别、智能时间码匹配、多格式导出及配音功能，适用于短视频出海、教学视频、广告宣传等多种场景，提升内容传播效率与国际化水平。 AI项目与工具 2025年06月11日 81 点赞 0 评论 486 浏览
