语音

1. 首页
2. 语音

VITA

VITA-Audio 是一款开源的端到端多模态语音大模型，具备低延迟、高推理效率和多模态交互能力。其核心创新包括轻量级 MCTP 模块和四阶段渐进式训练策略，使模型在语音识别、文本转语音和口语问答等任务中表现优异。支持实时对话、智能客服、教育辅助、医疗辅助及内容创作等多种应用场景，适用于各类语音交互系统。

AI项目与工具 2025年06月11日 19 点赞 0 评论 587 浏览

NoteGen

NoteGen是一款开源AI笔记工具，支持截图识别、剪贴板监听和文本输入，通过OCR和AI技术将碎片信息整理为结构化Markdown笔记。内置Markdown编辑器与AI写作助手，支持大纲生成、公式编辑、流程图绘制及翻译优化。支持多设备同步与GitHub私有仓库管理，保障数据安全，适用于知识管理、学习研究、创作写作及团队协作等场景。

AI项目与工具 2025年06月12日 93 点赞 0 评论 589 浏览

NotebookLlama

NotebookLlama是一款基于Meta开发的开源工具，能够将PDF文档自动转换为高质量播客内容。它通过LLaMa模型完成PDF预处理、文本转播客脚本、增加戏剧性元素以及文本转语音合成等步骤，无需人工干预即可生成专业水准的播客。NotebookLlama提供了详细的教程和操作指南，并支持多种应用场景，包括教育、新闻、企业培训和有声书制作等。

AI项目与工具 2025年06月12日 29 点赞 0 评论 589 浏览

OceanDoc

OceanDoc是科大讯飞推出的AI智能办公工具，基于大语言模型和自然语言处理技术，可自动将文本转化为高质量PPT幻灯片，并提供设计建议、多语言翻译、语音控制、AI图像生成等功能。适用于办公、教育、企业等多种场景，简化演示文稿制作流程，提升效率与专业性。

AI项目与工具 2025年06月11日 44 点赞 0 评论 590 浏览

字狐AI

字狐AI是一款集成多种AI功能的浏览器插件，主要功能包括智能问答、网页信息提取、写作辅助、PDF转换及OCR文字识别。用户可通过语音或文字与之互动，快速获取所需信息并提升工作效率。支持多语言识别与编辑，适用于办公文档处理、写作创作、资料阅读及PPT制作等场景。

AI项目与工具 2025年06月12日 12 点赞 0 评论 593 浏览

GPT-SoVITS

一个强大的语音合成工具，特别适合需要快速生成特定人声的场景。它通过先进的技术实现了高质量的语音克隆和文本到语音转换，支持多种语言，并提供了易于使用的WebUI工具。

Ai平台模型 1970年01月01日 0 点赞 0 评论 593 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 594 浏览

15个AI视频翻译工具和软件，自动配音生成全球任意语言

本文介绍了15款基于人工智能技术的视频翻译工具，这些工具能够实现精准的语音识别、自然语言处理和机器学习，从而将视频内容从一种语言翻译成另一种语言，为全球观众提供无缝的语言转换体验。这些工具涵盖了多语言支持、精准翻译与文化适配、字幕与音频同步、自动对口型和重新配音、智能视频去文字、翻译视频文字、视频翻译精校版、支持多种语言、字幕调整和声音克隆等多个功能和特点，极大地提升了视频内容的本地化质量和传播效

AI项目与工具 2025年06月12日 52 点赞 0 评论 595 浏览

byword

Byword是一款基于人工智能技术的写作工具，能够高效生成高质量、SEO优化的文章。它支持批量生成内容、关键词提取、标题生成、图片匹配及多语言支持等功能，并与主流平台无缝集成，极大简化了内容创作和发布流程。无论是企业还是个人用户，均可借助Byword提升内容生产力并优化搜索引擎排名。

AI项目与工具 2025年06月12日 19 点赞 0 评论 597 浏览

Lingo

Lingo是一款由西湖心辰开发的国内首个端到端语音大模型，具备实时交互、语音理解、多风格语音表达、情绪价值等功能。Lingo在人机对话的自然流畅度和情绪感知方面表现出色，适用于智能家居、客户服务、教育、医疗等多个领域。其核心技术包括端到端设计、深度学习算法和自然语言处理，旨在提供高质量的语音交互体验。

AI项目与工具 2025年06月12日 22 点赞 0 评论 598 浏览