标签：语音识别

Readtheirlips 是由 Symphonic Labs 推出的一款AI软件，用于通过分析视频中人物的嘴唇运动来识别和转录口语内容。软件能解读在没有声音的情况下，或者在声音...

TikTok Voice 是基于AI技术的文字转语音（TTS）在线工具，将文本转换成各种流行于TikTok平台的声音效果。工具为用户提供多种语音选项，如女士声音、Siri声音...

Sunoify是AI驱动的音乐创作平台，使用先进的人工智能技术将文字、表情符号、图片或产品网址转化为个性化的音乐作品。用户可以通过简单的界面选择创作模式，输...

PoseTalk 是基于文本和音频的姿势控制和运动细化方法的开源项目，用于一次性生成会说话的头部视频。从图像、驱动音频和驱动姿势合成说话人脸视频，为用户提供...

AI小聚是由聚名科技推出的一款多功能AI助手，通过智能对话和创作功能，为用户提供便捷服务。用户通过文字或语音与AI小聚互动，获取个性化的文案创作、生活建...

Faster Whisper 是一个基于OpenAI Whisper模型的高效语音识别工具，运用CTranslate2引擎实现快速推理。在保持高准确度的同时，提升语音转写速度，降低内存使...

Draw an Audio 是中国科学院自动化研究所和美团点评的研究人员推出的视频生成音频系统。根据视频内容自动生成匹配的声音效果，类似于电影制作中的 Foley 艺术...

Gummy是通义实验室在2024年云栖大会上推出的端到端语音翻译大模型。模型能实时流式生成语音识别与翻译结果，支持包括中文、英语、粤语、日语、韩语、法语、德...

AiNiee 是一款AI翻译工具，能一键自动翻译RPG、SLG游戏、Epub、TXT格式的小说、Srt、Lrc字幕文件等。工具支持多格式文件，接入多个主流AI接口平台，如OpenAI...

Rope是一款开源的AI换脸工具，基于insightface的inswapper_128模型构建，提供一个用户友好的图形界面。用户通过上传图片或视频，在几秒钟内完成换脸操作，效...

AEE（Auto Excel Editor）是一款在线AI Excel编辑器，基于AI技术自动化Excel表格的编辑和管理任务。用户只需输入简单的提示语，AEE自动执行数据的增删改查等...

NeMo 是由 NVIDIA 提供的端到端云原生框架，用于构建、定制和部署生成式 AI 模型。支持大型语言模型（LLMs）、多模态模型、语音识别和文本转语音（TTS）等应...

Oryx是由清华大学、腾讯和南洋理工大学联合推出的多模态大型语言模型（MLLM），基于两项核心创新来处理视觉数据，预训练的OryxViT模型和动态压缩模块。OryxVi...

AMD-135M是AMD推出的首款小型语言模型（SLM），为特定用例提供性能与资源消耗之间的平衡。基于LLaMA2模型架构，在AMD Instinct MI250加速器上训练，基于670亿...

RTranslator 是一款开源、免费、离线实时翻译应用程序，专为 Android 设备设计。基于先进的AI技术，包括 Meta 的 NLLB 翻译模型和 OpenAI 的 Whisper 语音识...