收集全球10,000⁺个好用的AI软件
-
EMO阿里巴巴的EMO: 是一款生成具有表情丰富的面部表情视频的工具,可以根据输入的角色图像和声音音频生成各种头部姿势和表情的声音头像视频。支持多语言歌曲...
-
ragobbleragobble是一个利用人工智能将音频文件转换为文档的平台。通过将在线视频和音频信息转换为可向量化的RAG文档,用户可以将生成的文档应用于其LLM实...
-
Think in Italian AI TutorThink in Italian是一款专为意大利语设计的在线音频课程,通过这个课程,您可以在几天内用意大利语思考。它提供了一系列的音频课程,帮助您提高...
-
Make-An-Audio 2Make-An-Audio 2是一种基于扩散模型的文本到音频生成技术,由浙江大学、字节跳动和香港中文大学的研究人员共同开发。该技术通过使用预训练的大型...
-
VideoLLaMA 2VideoLLaMA 2 是一个针对视频理解任务优化的大规模语言模型,它通过先进的空间-时间建模和音频理解能力,提升了对视频内容的解析和理解。该模型在...
-
TTSynth.comTTSynth.com是一个免费的在线文本转语音(TTS)生成器,它使用先进的AI技术将书面文本转换为自然发音的语音。该服务支持多种语言和口音,适用于...
-
ReadsssReadsss是一个提供每日音频新闻简报的应用程序,用户可以订阅并收听来自他们喜爱的Twitter人物的更新。它利用音频形式让用户在忙碌的日程中保持信...
-
Qwen2-AudioQwen2-Audio是由阿里云提出的大型音频语言模型,能够接受各种音频信号输入,并根据语音指令进行音频分析或直接文本回复。该模型支持两种不同的音频交...
-
SenseVoiceSmallSenseVoiceSmall是一款具备多种语音理解能力的语音基础模型,包括自动语音识别(ASR)、口语语言识别(LID)、语音情感识别(SER)和音...
-
Udio v1.5Udio v1.5是一个音乐创作平台的高级版本,它在v1的基础上进行了多项改进,包括提高音质、提供音调控制、改善全球语言支持等。它生成48kHz立体声...
-
BarkBark是由Suno开发的基于Transformer的文本到音频模型,能够生成逼真的多语言语音以及其他类型的音频,如音乐、背景噪声和简单音效。它还支持...
-
SoBriefSoBrief是一个提供书籍摘要和音频的网站,它通过将书籍内容浓缩成易于理解的摘要,帮助用户在短时间内掌握书籍的核心思想。这个平台支持多种语言,拥有超...
-
Stability AIStability AI是一个专注于生成式人工智能技术的公司,提供多种AI模型,包括文本到图像、视频、音频、3D和语言模型。这些模型能够处理复杂提示,...
-
Kaption AIKaption AI是一款Chrome浏览器插件,它利用人工智能技术将WhatsApp上的音频消息转换成文字,并提供消息摘要和回复建议。这款插件重视用...
-
Notebooklm PodcastNotebooklm Podcast 是一个创新的在线服务,它使用先进的人工智能技术将学术论文、文章、书籍或任何文本转换成引人入胜的对话式音频内容。这...
-
ElevenLabs Voice DesignElevenLabs Voice Design是一个在线平台,允许用户通过简单的文本提示来设计和生成定制的声音。这项技术的重要性在于它能够快速创建出符...
-
NotebookLlamaNotebookLlama是一个开源项目,旨在通过一系列教程和笔记本指导用户构建从PDF到Podcast的工作流。该项目涵盖了从文本预处理到使用文本到...
-
AudioLMAudioLM是由Google Research开发的一个框架,用于高质量音频生成,具有长期一致性。它将输入音频映射到离散标记序列,并将音频生成视为这...
-
Fish Agent V0.1 3BFish Agent V0.1 3B是一个开创性的语音转语音模型,能够以前所未有的精确度捕捉和生成环境音频信息。该模型采用了无语义标记架构,消除了传统...
-
OuteTTS-0.1-350MOuteTTS-0.1-350M是一款基于纯语言模型的文本到语音合成技术,它不需要外部适配器或复杂架构,通过精心设计的提示和音频标记实现高质量的语音合...