标签：语音识别

FLOAT是DeepBrain AI 和韩国先进科技研究院推出的音频驱动说话人头像生成模型，基于流匹配生成模型，学习运动潜在空间实现高效的时间一致性运动设计。模型基...

MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精...

海螺AI Audio是MiniMax推出的AI语音合成工具，能创建逼真的多语言、多声音和多情感的语音。用户只需提供30秒的音频素材，可以克隆特定人的声音，支持12种语言...

ClearerVoice-Studio 是阿里巴巴达摩院通义实验室开源的语音处理框架，集成语音增强、分离和音视频说话人提取等功能。框架基于复数域深度学习算法，有效消除...

GenCast是DeepMind推出的革命性AI气象预测模型，基于扩散模型技术，提供长达15天的全球天气预报。GenCast在97.2%的预测任务中超越全球顶尖的中期天气预报系统...

andu.ai（案牍AI）是专为法律领域设计的智能工具，基于先进的大型语言模型技术，提供合同审查、尽职调查和穿透核查等功能。通过自动化处理法律文件，案牍AI提...

andu.ai（案牍AI）是专为法律领域设计的智能工具，基于先进的大型语言模型技术，提供合同审查、尽职调查和穿透核查等功能。通过自动化处理法律文件，案牍AI提...

Voice-Pro是开源的多功能音频处理工具，集成语音转文字（STT）、文本转语音（TTS）、实时翻译、YouTube视频下载和人声分离等多种功能。工具支持超过100种语言...

呱呱有声是AIGC长音频数字内容生产开放平台，灵伴智能开发。通过人工智能技术，实现了从“文本”到“作品”的全流程AI生产，大幅提升产能。平台特色包括人机结合...

DupDub是出门问问推出的创新AI内容生成平台，旨在帮助内容创作者高效制作视频、文本和音频内容。提供AI写作、文本转语音、AI头像动画化和视频编辑等功能，支...

AI 和安全，原生鸿蒙打破高墙的秘密武器。

SAM 2.1（全称Segment Anything Model 2.1）是Meta（Facebook的母公司）推出的先进视觉分割模型，用于图像和视频。基于简单的Transformer架构和流式记忆设计...

金舟AI助手是创新的营销内容创作平台，基于人工智能和大数据技术，为创作者、品牌主和营销服务公司提供高效的内容创作解决方案。平台能快速生成富有创意和针...

DynaSaur是Adobe Research推出的大型语言模型（LLM）代理框架，突破传统LLM代理系统受限于预定义动作集合的限制。框架支持代理动态创建和组合动作，基于生成...

Takin AudioLLM是喜马拉雅Everest团队推出的一系列高质量零样本语音生成模型，包括Takin TTS、Takin VC和Takin Morphing。模型用最新的大型语言模型技术，专...