语音

琅琅配音

琅琅配音是一款卓越的智能文本转语音工具,提供语音合成服务。

声动视界SoundView

一款面向带货短视频的AI视频工具,声动视界SoundView提供视频翻译、文本转语音和视频配音等功能。

知存科技

专注研发基于存算一体先进技术的人工智能芯片

京东言犀

京东言犀是一个集成了多种智能服务和AI技术的交互平台,旨在通过情感机器人、智能语音服务、知识库管理等功能,为企业提供一个全面的数智化服务解决方案。

Mochii AI

Mochii AI 是一款多功能AI助手,支持智能对话、文档分析、网页总结、图像识别等功能,兼容多种AI模型。用户可跨平台使用,适用于文档处理、内容创作、代码生成及数据分析等场景,具备个性化定制和上下文理解能力,提升工作效率与体验。

Orpheus TTS

Orpheus TTS 是一款基于 Llama-3b 架构的开源文本到语音系统,支持自然、富有情感的语音生成。具备零样本语音克隆能力,无需预训练即可模仿特定语音,延迟低至 200 毫秒,适合实时应用。支持多种语音风格和情感控制,适用于有声读物、虚拟助手、游戏、教育等多个领域。

SeedFoley

SeedFoley 是由字节跳动开发的端到端视频音效生成模型,能智能识别并生成与视频内容高度同步的动作和环境音效。通过融合视频时空特征与扩散生成技术,提升音效的准确性和细腻度,支持多种视频长度,适用于生活Vlog、短片制作、游戏视频等多种场景,显著提升视频的沉浸感和表现力。

NeMo

NeMo 是一款基于 NVIDIA 技术的端到端云原生框架,专为生成式 AI 模型的设计与部署而打造。它具备模块化架构、多模态支持、优化算法及分布式训练能力,可应用于语音识别、自然语言处理、文本到语音转换、对话式 AI 等多个领域,同时支持预训练模型微调和端到端开发流程,为企业提供高效灵活的解决方案。

音独Ondoku

音独Ondoku,一个在线文字转语音合成的网站,支持各国语言的配音,支持语音和语速调节。

Reverb ASR

Reverb ASR是一款基于深度学习的开源自动语音识别与说话人分离工具,采用20万小时高质量英语语音数据训练,具备高精度语音转录能力,支持逐字稿控制及多种解码模式。其显著特点是擅长处理长时间语音内容,并在长篇幅识别任务中超越其他开源模型。Reverb ASR适用于播客、会议记录、法庭记录等多个应用场景,为用户提供灵活且高效的语音转文字解决方案。