语音
  1. 首页
  2. 语音

列表

Dolphin

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
DreamActor

DreamActor

DreamActor-M1是字节跳动推出的AI图像动画框架，能够将静态照片转化为高质量动态视频。其核心在于混合引导机制，结合隐式面部表示、3D头球和身体骨架，实现对表情和动作的精准控制。支持多语言语音驱动、口型同步、灵活运动转移及多样化风格适配，适用于虚拟角色创作、个性化动画生成、虚拟主播制作及创意广告等领域，具备高保真、强连贯性和广泛适用性。
AI项目与工具 2025年06月12日
MoCha

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。
AI项目与工具 2025年06月12日
Midjourney V7

Midjourney V7

Midjourney V7 是一款基于深度学习的 AI 图像生成工具，具备草稿模式、语音交互、实时编辑等功能，显著提升生成速度与图像质量。其支持个性化配置，可根据用户偏好优化输出结果，适用于艺术、设计、娱乐等多个领域。系统采用先进神经网络技术，实现文本到图像的精准转换，并提供多种运行模式以满足不同需求。
AI项目与工具 2025年06月12日
ChatPods

ChatPods

ChatPods 是一款基于 AI 技术的播客平台，提供个性化推荐、内容摘要生成、实时问答、章节导航及智能搜索等功能。用户可在收听过程中与 AI 互动，快速获取信息并精准定位内容，适用于学习、娱乐、通勤等多种场景，提升播客收听效率与体验。
AI项目与工具 2025年06月12日
OmniTalker

OmniTalker

OmniTalker 是一款由阿里巴巴开发的实时多模态交互技术，支持文本、图像、音频和视频的同步处理，并能生成自然流畅的语音响应。其核心技术包括 Thinker-Talker 架构和 TMRoPE 时间对齐技术，实现音视频精准同步与高效流式处理。适用于智能语音助手、内容创作、教育、客服及工业质检等场景，具有高实时性与稳定性。
AI项目与工具 2025年06月12日
Klic Studio

Klic Studio

Klic Studio是一款基于大型语言模型的视频翻译与配音工具，支持56种语言翻译，适用于多平台内容制作。具备高精度字幕识别、智能分割对齐、语音克隆及一键视频合成等功能，简化视频创作流程，提升多语言内容传播效率。
AI项目与工具 2025年06月12日
ChildMandarin

ChildMandarin

ChildMandarin是由智源研究院与南开大学合作开发的3-5岁儿童普通话语音数据集，包含41.25小时高质量语音，覆盖全国22个省市。数据通过家长引导式对话采集，保证自然真实。该数据集支持语音识别、说话人验证和语言研究，适用于儿童语言学习、教育系统、智能玩具和语音助手优化等领域，为儿童语音技术研究提供重要资源。
AI项目与工具 2025年06月12日
Miraa

Miraa

Miraa 是一款由 Myoland 开发的 AI 驱动语言学习工具，支持多种语言的音频和视频内容转录与实时翻译，帮助用户提升语言理解与表达能力。其“回声法练习”功能通过听、理解、模仿和比较提升口语，同时提供 AI 解释、智能推荐、学习进度跟踪等功能。适用于日常学习、旅行准备、专业提升及教学辅助等场景，适合各类语言学习者使用。
AI项目与工具 2025年06月12日
SeniorTalk

SeniorTalk

SeniorTalk是全球首个面向中文超高龄老年人的语音数据集，涵盖202位75岁以上老人的55.53小时语音数据，覆盖16个省市，包含多种口音。数据通过两两自发对话采集，内容贴近真实交流场景，并附有多维标注，如说话人信息、时间戳、口音分类等。该数据集可用于语音识别、说话人验证、语音编辑等研究，支持适老化设备、健康管理和辅助养老系统的开发，推动相关技术进步。
AI项目与工具 2025年06月12日