语音

Midjourney V7

Midjourney V7 是一款基于深度学习的 AI 图像生成工具,具备草稿模式、语音交互、实时编辑等功能,显著提升生成速度与图像质量。其支持个性化配置,可根据用户偏好优化输出结果,适用于艺术、设计、娱乐等多个领域。系统采用先进神经网络技术,实现文本到图像的精准转换,并提供多种运行模式以满足不同需求。

Lepton AI

Lepton AI是由贾扬清创办的云原生AI平台,提供了一系列工具和服务,降低AI应用开发的门槛,帮助开发者更容易地完成创建、部署和扩展任务。它提供了 Python SDK 和云计算平台。Pyth...

讯飞智作

一款集AI配音、虚拟数字人视频生成、PPT生成视频、数字人定制等多功能的AI音视频生产平台。已广泛应用于媒体、教育、短视频等领域。

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。

OfferinAI

OfferinAI是一款面向求职者和招聘者的智能工具,集成了实时语音识别、快速响应、网络搜索及代码生成等功能,旨在提升用户在面试和笔试中的表现。它支持多种模式,适用于在线面试、笔试辅助、技能测试及模拟面试等场景,帮助用户在多轮面试中获得竞争优势。

Parakeet TDT 0.6B

Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别(ASR)模型,采用 FastConformer 和 TDT 架构,具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异,实时因子高达 3386,适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。

​33搜帧

​33搜帧是一个可以通过文本描述来搜索视频画面的工具

Alexa+

Alexa+是亚马逊推出的智能助手,基于生成式AI技术打造,支持自然语言交互与多任务处理。它能够连接智能家居设备、执行日常任务、提供个性化服务,并具备跨设备协同和主动提醒功能。适用于家庭控制、信息查询、娱乐管理等多个生活场景,为用户提供高效便捷的智能体验。

Mahilo

Mahilo 是一款支持多智能体协作的框架,具备实时语音与文本通信能力,支持智能体间共享上下文并接受人类监督。其提供灵活的通信模式和策略管理功能,适用于客户服务、紧急响应、内容创作、医疗协调等多个场景。通过标准化的消息协议和可扩展的架构,Mahilo 提升了人机协作效率与决策质量。

Reecho

通过Reecho在数秒内克隆任意声音,并创建与真人近乎无异的、极具表现力的文本配音。