语音

1. 首页
2. 语音

VALL-E

VALL-E一种用于文本到语音合成 (TTS) 的语言建模方法。具体来说，我们使用从现成的神经音频编解码器模型派生的离散代码来训练神经编解码器语言模型（称为 VALL-E），并将 TTS 视为...

Ai平台模型 2026年09月29日 0 点赞 0 评论 1006 浏览

Moshi

Moshi是一款由法国Kyutai实验室开发的端到端实时音频多模态AI模型，具备听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。Moshi具有多模态交互、情绪和风格表达、实时响应低延迟、语音理解与生成、文本和音频混合预训练以及本地设备运行等特点。它支持英语和法语，主要应用于虚拟助手、客户服务、语言学习、内容创作、辅助残障人士、研究和开发、娱乐和游戏等领域。

AI项目与工具 2025年06月12日 73 点赞 0 评论 1008 浏览

Imagine Explainers

Imagine Explainers 是一款基于 AI 的视频生成工具，支持用户根据主题和时长快速生成高质量动画视频。提供多种模板、角色和风格选择，支持 AI 语音或自定义音频。适用于教育、商业、营销等多个领域，能够将复杂内容转化为直观的视觉表达，提升信息传达效率。

AI项目与工具 2025年06月11日 85 点赞 0 评论 1008 浏览

MarkItDown

MarkItDown是一款由微软推出的开源文档转换工具，支持多种文件格式（如PDF、Office文档、图像、音频等）转换为Markdown格式。它具备OCR文字识别、语音转文字、元数据提取等功能，适用于文档归档、内容发布、数据挖掘、学术研究等多个场景，旨在简化文件处理流程，提升工作效率。通过提供简单易用的API接口，MarkItDown成为开发者友好型工具。

AI项目与工具 2025年06月12日 22 点赞 0 评论 1009 浏览

Sonic

Sonic是由腾讯与浙江大学联合开发的音频驱动肖像动画框架，基于音频信号生成逼真面部表情和动作。它通过上下文增强音频学习和运动解耦控制器，提升唇部同步精度与运动多样性。Sonic在长视频生成中表现出色，具备高稳定性与自然连贯性，支持用户自定义参数。适用于虚拟现实、影视制作、在线教育、游戏开发和社交媒体等多个领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 1014 浏览

Dolphin

Dolphin是由清华大学与海天瑞声联合开发的面向东方语言的语音识别大模型，支持40种语言及22种中文方言，具备高精度语音转文字能力。采用CTC-Attention架构，结合E-Branchformer和Transformer技术，提升识别效率与准确性。模型开源，支持自定义语言与地区设置，适用于会议记录、语音输入、智能助手等多种场景。

AI项目与工具 2025年06月12日 20 点赞 0 评论 1014 浏览

TabTac

TabTac是一款基于AI技术的浏览器，集成了搜索增强、网页浏览优化和办公辅助功能。它支持滑词搜索、图像识别、AI摘要、邮件撰写、语音控制等实用工具，提升信息处理效率。同时具备隐私保护机制，适用于商务、学术及日常多任务场景。

AI项目与工具 2025年06月12日 22 点赞 0 评论 1016 浏览

PageOn.ai

PageOn.ai是一个AI驱动的内容创作平台，帮助用户快速生成高质量的视觉内容。通过AI Agent理解用户需求，自动生成动态视觉元素，如互动图表、3D模型和媒体内容。用户只需描述外观和感觉，AI即可转化为视觉表达。平台具备深度搜索功能，支持拖放和斜杠命令组合内容，打造个性化视觉故事。主要功能包括AI生成幻灯片、智能演示、数据图表生成、实时语音交互和多人协作等，适用于教学演示、商务会议、项目汇报

AI项目与工具 2025年06月11日 72 点赞 0 评论 1016 浏览

Clipchamp

Clipchamp，可帮助你创作内容的智能工具，有自动生成字幕、文本转语音、调整视频大小等功能，现在是Microsoft旗下公司。

视频剪辑 2025年06月05日 83 点赞 0 评论 1017 浏览

TikTok Voice

TikTok Voice 是一款基于人工智能的文字转语音工具，提供多种声音选项，支持多种语言和口音。它能将文本转换成清晰自然的语音，适用于视频编辑、文本朗读、有声电子书制作等多个场景。该工具界面简洁，操作便捷，且完全免费，适合全球用户使用。

AI项目与工具 2025年06月12日 16 点赞 0 评论 1019 浏览