音频

Hertz

Hertz-Dev是一款由Standard Intelligence开发的开源音频模型,专注于低延迟实时对话AI。它具备强大的音频生成与处理能力,能够处理和生成高质量的音频信号,并支持多任务微调,适用于语音识别、语音合成等多种应用场景。此外,Hertz-Dev还提供了音频自动编码、流式生成等功能,广泛应用于智能助手、客户服务、语音识别及合成等领域。

魔音工坊

魔音工坊是由北京小问智能科技有限公司开发的一款配音软件,为用户提供一站式AI配音服务。它被广泛应用于短视频制作、有声书、广告、宣传纪录片等领域,是一款专业的AI语音配音与...

Krisp.ai

Krisp.ai是一个噪音消除的音频处理工具。可以帮助用户消除背景噪音和回声,提高语音通话的质量,还能利用AI将消除你的发音口音问题

123APPS

一个可以在线编辑各种类型媒体文件的工具,包括视频、音频文件、PDF 和图像的转换,比如视频编辑器、屏幕录像机、文本到语音转换器、PDF 转换器和编辑器、音频编辑器、图像转换器、存档提取器和其他实用工具。

BuboGPT | 字节大模型

BuboGPT是由字节跳动开发的大型语言模型,能够处理多模态输入,包括文本、图像和音频,并具有将其响应与视觉对象相对应的独特能力。

Nooka

Nooka是一款基于AI技术的听书应用,提供全球非虚构类书籍的20分钟音频摘要,适合碎片化时间学习。用户可随时提问并获得AI即时回答,实现深度互动。应用支持多语言字幕、音频剪辑分享及社区交流,适用于通勤、运动、家务等多种场景,提升学习效率与趣味性。

标贝悦读AI配音

标贝悦读作为一个在线文字转语音软件,以其快速、逼真的语音合成效果和丰富的发音人角色,适用于视频配音、美食教程、知识科普、生活妙招分享等多种场景。

Free Subtitles

Free Subtitles,免费AI在线字幕生成工具,免费将音频和视频转录为文本,支持111种语言,102种语言的翻译。

LANDR

LANDR是一款基于人工智能的音乐制作平台,提供从创作到分发的一站式解决方案。它通过AI母带处理优化音质,利用协作平台促进团队合作,借助样本库和插件丰富创作资源,并通过分发网络将作品推向全球市场。此外,LANDR还推出了“公平贸易AI”计划,支持艺术家参与工具开发并分享收益。

Gemma 3n

Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态 AI 模型,基于 Gemini Nano 架构,采用逐层嵌入技术,将内存占用压缩至 2-4B 参数模型水平。支持文本、图像、短视频和音频输入,可生成结构化文本输出,并具备音频转录、情感分析等功能。可在本地设备运行,响应时间低至 50 毫秒,适用于语音助手、内容生成和学术任务定制。