标签：语音识别

Qwen2-Audio是阿里通义千问团队最新推出的开源AI语音模型，支持直接语音输入和多语言文本输出。具备语音聊天、音频分析功能，支持超过8种语言。Qwen2-Audio在...

醒蓝AI是一款AI照片生成工具，支持一键生成AI形象照，用户能够轻松制作工作形象照、写真照、证件照和AI换脸照片。醒蓝AI还提供API接口和定制化解决方案，满足...

有道小P是网易有道推出的AI全科学习助手，专为K12阶段的学生设计。有道小P搭载了有道子曰教育大模型，能覆盖全学段和全学科的答疑需求，提供个性化的学习辅导...

Mo卡片是一站式AI知识库卡片式学习工具。Mo卡片以卡片形式提供1500+张专业AI知识卡片，涵盖理论、实操、特别篇等主题。用户通过图文、动画、视频、语音等互动...

微博嘴替是一个微博账户AI趣味分析应用，专为微博用户设计。微博嘴替通过分析用户的微博资料和内容，生成犀利、幽默风趣和个性化的吐槽。

Subtitle Edit是一款免费开源的多功能字幕编辑器，支持超过300种字幕格式，包括SRT、MicroDVD和Sub Station Alpha等。具备字幕同步、创建、翻译、音频波形可...

HumanVid是香港中文大学和上海人工智能实验室共同推出的高质量数据集，专为人类图像动画训练设计。结合了现实世界视频和合成数据，通过精心设计的规则筛选高...

Seed-ASR是字节跳动开发的一款基于大型语言模型（LLM）的语音识别（ASR）模型。在超过2000万小时的语音数据和近90万小时的配对ASR数据上训练，支持普通话和13...

MUMU是一种多模态图像生成模型，通过结合文本提示和参考图像来生成目标图像，从而提高生成的准确率和质量。MUMU模型的架构基于SDXL的预训练卷积UNet，采用了...

LeRobot是由HuggingFace推出的开源AI聊天机器人项目，由前特斯拉研究员Remi Cadene领导开发。LeRobot致力于降低机器人技术的入门门槛，提供预训练模型、数据...

STranslate是专为Windows用户设计的多功能翻译和OCR工具。支持多种语言翻译，具备划词、截图、监听剪贴板等多种翻译方式，并提供多家翻译服务接口。还拥有基...

Dola是一款人工智能日历助理，通过自然语言处理技术，使用户能通过文本、语音或图片等多种方式与主流即时通讯软件（如Apple Messages、Telegram、LINE、Whats...

Mini-Omni 是一个开源的端到端语音对话模型，具备实时语音输入和输出的能力，能在对话中实现“边思考边说话”的功能。模型的设计支持在不需要额外的自动语音识...

SlaxNote 是一款基于语音识别技术的 AI 语音笔记应用，可以实时将语音转换为文本，并自动润色这些文本，使表达更加流畅和专业。特别适合户外灵感捕捉、想法组...

VoxInstruct 是由清华大学开源的语音合成技术，能根据人类语言指令生成高度符合用户需求的语音。系统采用统一的多语言编解码器语言建模框架，将传统的文本到...