标签：语音识别

Moshi是由法国的的人工智能研究实验室Kyutai推出的一款端到端实时音频多模态AI模型，拥有听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。作为对标...

Whisper-Medusa是aiOla推出的开源AI语音识别模型，结合了OpenAI的Whisper技术与aiOla的创新，Whisper-Medusa引入了多头注意力机制，实现了并行处理，显著提升...

Amuse 2.0是AMD最新推出的AI图像生成工具，专为AMD硬件优化，支持在PC上生成高质量图像。Amuse 2.0具备设计模式，能够将用户草图和文本提示转化为图像，同时...

墨问便签是专为创作者设计的AI便签工具，支持AI语音转录功能，用户可以录制长达10分钟的语音，实时看到转录文字，便于即时修正。AI还能自动润色，如分段和修...

Aide 是免费开源的AI 编程插件，具备代码注释、语言转换、智能粘贴、批量处理、变量命名和自定义命令等功能，帮助开发者快速理解、编写和重构代码。Aide 支持...

智谱AI开放平台 是一个面向开发者的大模型开发平台。整合了先进的模型能力、丰富的开发资源、自定义知识库及应用体验中心，助力开发者利用GLM大模型的技术潜...

汉王语音王是汉王科技推出的智能语音APP，集成了AI语音记录、翻译与同声传译功能。基于自研的多模态大模型，支持高准确率转写、拍录同步、智能总结和实时翻译...

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...