语音
  1. 首页
  2. 语音

列表

Universal

Universal

Universal-1是一款由AssemblyAI开发的多语言语音识别和转录模型，经过大量多语种音频数据训练，支持英语、西班牙语、法语和德语等。该模型在各种复杂环境中提供高精度的语音转文字服务，具备快速响应能力和改进的时间戳准确性。Universal-1在准确率、响应时间、时间戳估计和用户偏好等方面表现优异，适用于对话智能平台、AI记事本、创作者工具和远程医疗平台等多个应用场景。
AI项目与工具 2024年01月01日
LatentLM

LatentLM

LatentLM是一款由微软与清华大学合作开发的多模态生成模型，能够统一处理文本、图像、音频等多种数据类型。它基于变分自编码器（VAE）和因果Transformer架构，支持自回归生成与跨模态信息共享，特别擅长图像生成、多模态语言模型及文本到语音合成等任务，其提出的σ-VAE进一步提升了模型的鲁棒性。
AI项目与工具 2025年06月12日
MaskGCT

MaskGCT

MaskGCT是一款基于掩码生成模型与语音表征解耦编码技术的语音合成大模型，由趣丸科技与香港中文大学（深圳）联合开发。其主要功能包括声音克隆、跨语种语音合成、语音控制及高质量语音数据集支持。该模型在多个TTS基准数据集上表现优异，可快速精准地克隆音色并灵活调整语音属性，适用于多种语言，已开源并面向全球用户开放。
AI项目与工具 2025年06月12日
悦录

悦录

悦录依托同花顺的语音识别技术，为用户提供免费的录音转文字、语音转文字、视频字幕等服务，1小时音频最快5分钟出稿，准确率高达97%+，全程加密，文件信息安全。
创作工具 2026年08月15日
Translate.Video

Translate.Video

Video是一款视频翻译工具，用户可以轻松地将视频翻译成多种语言。该工具在一个易于使用的应用程序中提供自动字幕、字幕翻译、配音、AI画外音、录音和文本生成。
Ai语音工具 2026年08月15日
uTools

uTools

一个多功能、现代化的效率工具平台，uTools 提供了多样化的功能，满足你不同的需求，成为一款功能强大的个人效率助理。
独立开发 2025年06月05日
OSUM

OSUM

OSUM是一款由西北工业大学研发的开源语音理解模型，结合Whisper编码器与Qwen2 LLM，支持语音识别、情感分析、说话者性别分类等多种任务。采用“ASR+X”多任务训练策略，提升模型泛化能力和稳定性。基于约5万小时语音数据训练，性能优异，适用于智能客服、教育、心理健康监测等多个领域。
AI项目与工具 2025年06月12日
逗逗

逗逗

逗逗是心影随形（上海）技术有限公司开发的AI游戏伙伴，它通过语音互动、情绪陪伴、智能攻略、笑话分享和多角色扮演，为玩家提供个性化和有趣的游戏体验。
创作工具 2026年08月15日
Blogcast™

Blogcast™

BlogcastTM是一个文本转语音的工具，允许用户创建播客、视频、电子学习课程的音频和音频书籍，而无需录制。它由人工智能驱动的文本转语音技术提供支持，并提供多种声音和语言可供...
Ai语音工具 2026年08月15日
AutoShorts

AutoShorts

AutoShorts是一个开源的AI视频创作和发布平台，它通过AI技术自动生成并定制视频内容，支持用户自定义脚本、配音和视觉效果。该平台可实现每日自动发布新视频到YouTube和TikTok，适用于内容创作者、社交媒体管理者、营销代理及教育机构。AutoShorts简化视频制作流程，提升工作效率，同时确保内容的独特性和创新性。
AI项目与工具 2025年06月12日