语音

cnChar

一个功能全面、多端支持的汉字拼音笔画JavaScript库,用于处理汉字相关的多种功能,包括拼音、笔画、简繁体转换等。

audiobot

audiobot是一款利用AI技术实现文本到语音转换的服务平台,支持多语言及多样化的声音选项。其主要功能包括文本转语音处理、多语言兼容性、即时音频生成及高质量MP3下载等。广泛应用于视频制作、有声读物创作、商业宣传及教育培训等领域,满足用户对专业音频内容的需求。

SlideSpeak

SlideSpeak是一款基于AI技术的多功能工具,支持用户上传多种文档格式并生成演示文稿或摘要。其主要功能包括AI生成的演示文稿、文档总结、交互式聊天机器人、视觉内容分析及语音旁白生成。此外,SlideSpeak强调数据安全性,适用于学术研究、商业演示、教育培训等多个领域。

Open Voice OS

一个社区驱动的开源语音 AI 平台,用于使用 NLP、可自定义的 UI 以及对隐私和安全的关注跨设备创建自定义语音控制界面。

ChatTTS

ChatTTS是一个开源的专为对话场景设计的语音生成模型,特别适用于大语言模型(LLM)助手的对话任务,以及诸如对话式音频和视频介绍等应用。ChatTTS 不仅能说中文,英文也能 hold 住...

MoCha

MoCha 是一款由 Meta 与滑铁卢大学联合开发的端到端对话角色视频生成模型,支持语音与文本驱动的角色动画生成,具备全身动作模拟与多角色对话交互能力。其核心技术包括扩散变压器架构和语音-视频窗口注意力机制,确保动画与语音精准同步。适用于虚拟主播、影视动画、教育内容及数字人客服等多个领域,提升了内容创作效率与表现力。

Media2Face

一款革命性的语音面部动画生成工具,借助 Media2Face,现在可以从任何音频、图像或文本输入无缝生成逼真且富有表现力的面部动画。

Vocloner

Vocloner是一款基于人工智能的在线语音克隆工具,用户可通过上传目标语音音频并输入文本,快速生成克隆声音,无需训练语音网络。支持多语言及多种中文方言,提供经典版本和更新版本两种克隆选项,经典版使用Coqui TTS技术,更新版采用Coqui AI的XTTS工具,增强克隆效果。功能包括即时语音克隆、模型创建与保存、多语言支持、不同说话风格和角色模仿,适用于内容创作、无障碍支持、语言学习和个性化数

Illuminate

Illuminate是一款基于谷歌Gemini语言模型开发的AI工具,可将学术论文转化为生动的音频讨论。它通过自然语言处理技术和文本到语音合成,生成包含核心观点的对话内容,支持用户在碎片化时间中高效学习。该工具具备动态音频转换、个性化学习体验、互动反馈及多平台共享等功能,适用于学术研究、学生辅助学习及非专业人士的知识普及。

SpeechEasy

SpeechEasy是一种合成语音解决方案,可以让用户从文本生成高质量、易于理解的音频。它适用于各种设备和平台,支持桌面和移动设备,有近12种高质量的合成声音可供选择。它使用简单...