语音
  1. 首页
  2. 语音

列表

3D

3D

3D-Speaker是一个多模态开源项目，专注于通过结合声学、语义和视觉信息，实现高精度的说话人识别和语种识别。其主要功能包括说话人日志、说话人识别、语种识别、多模态识别以及重叠说话人检测。项目提供了工业级模型、训练与推理代码，以及多样化数据集，并支持复杂环境下的语音处理任务。应用场景涵盖会议记录、法庭记录、广播制作、电话客服和安全监控等领域。
AI项目与工具 2025年06月12日
URO

URO

URO-Bench 是一个面向端到端语音对话模型的综合评估工具，支持多语言、多轮对话及副语言信息处理。它包含基础和高级两个赛道，分别涵盖16个和20个数据集，覆盖开放性问答、情感生成、多语言任务等。支持多种评估指标，提供简单易用的评估流程，并兼容多种语音对话模型。适用于智能家居、个人助理、语言学习等多个实际应用场景。
AI项目与工具 2025年06月12日
Lepton AI

Lepton AI

Lepton AI是由贾扬清创办的云原生AI平台，提供了一系列工具和服务，降低AI应用开发的门槛，帮助开发者更容易地完成创建、部署和扩展任务。它提供了 Python SDK 和云计算平台。Pyth...
创作工具 2026年11月14日
EzAudio

EzAudio

EzAudio是一款基于文本到音频（Text-to-Audio, T2A）生成模型，通过优化的扩散变换器架构和高效的数据训练策略，实现了快速生成高质量音频的功能。它支持多种应用场景，如音乐创作、影视后期制作、语音合成等，并具备高保真度和低资源消耗的特点。
AI项目与工具 2025年06月12日
MARS5

MARS5

MARS5-TTS是一款开源的AI声音克隆工具，支持140多种语言的文本转语音功能。它能够生成高度逼真的语音，并处理复杂的韵律场景。该工具拥有12亿参数，基于超过15万小时的训练数据。用户可以通过文本中的标点符号和大小写等标记引导语音的韵律和情感，同时提供快速克隆和深度克隆两种模式。MARS5-TTS可应用于内容创作、语言学习、辅助技术、客户服务和多媒体娱乐等多种场景。
AI项目与工具 2025年06月12日
Aero

Aero

Aero-1-Audio 是一款基于 Qwen-2.5-1.5B 的轻量级音频模型，拥有 1.5 亿参数，专注于长音频处理，支持连续 15 分钟音频输入并保持上下文连贯性。在语音识别、复杂音频分析及指令驱动任务中表现出色，具备高效的训练方法和多任务处理能力，适用于语音助手、实时转写、归档理解等场景。
AI项目与工具 2025年06月11日
星声AI播客

星声AI播客

专注于AI播客领域的AI播客生成器，面向广大播客爱好者和音频内容分享使用者。
Ai语音工具 2025年06月05日
Tailor

Tailor

Tailor是一款免费开源的AI视频编辑工具，提供视频编辑、生成和优化三大功能。它能够实现人脸剪辑、语音剪辑、口播生成、字幕生成、色彩生成等功能，并支持背景更换及流畅度和清晰度优化。最新版本增加了语音驱动的口播生成和模型自检修复机制，进一步提升了用户体验。
AI项目与工具 2025年06月12日
Talk to Ash

Talk to Ash

Talk to Ash 是一款基于人工智能的心理健康支持平台，通过语音对话技术提供全天候的情感支持与心理辅导服务。平台结合认知行为疗法（CBT）和辩证行为疗法（DBT）等专业方法，能根据用户对话生成个性化建议。具备语音交互、情绪倾听、目标追踪、隐私保护等功能，适用于压力管理、人际关系改善和个人成长等场景。
AI项目与工具 2025年06月12日
瓦兔漫剪工厂

瓦兔漫剪工厂

一款帮助漫剪达人制作漫剪视频的辅助软件，其中集成文字转语音、频文字提取、漫画对白遮挡，自动搭配画面转场、音效、背景音乐等众多漫画剪辑功能，是一款漫剪小白也能一键使用的漫剪神器。
视频剪辑 2025年06月05日