多语言

Scribe

Scribe 是由 ElevenLabs 推出的高精度语音转文本模型,支持 99 种语言,具备多说话者区分、非语言事件检测和单词级时间戳功能。输出结构化的 JSON 数据,适用于会议记录、字幕生成、内容创作等多种场景,广泛应用于教育、客服及媒体领域。

ChatTTS

ChatTTS是一个开源的专为对话场景设计的语音生成模型,特别适用于大语言模型(LLM)助手的对话任务,以及诸如对话式音频和视频介绍等应用。ChatTTS 不仅能说中文,英文也能 hold 住...

品食PicEats

一款专为海外旅行者设计的 AI 美食工具,品食PicEats集成了菜单拍照翻译、菜品识别、当地美食推荐与餐厅点评等功能。

OpenAudio S1

OpenAudio S1是Fish Audio推出的文本转语音(TTS)模型,基于200万小时音频数据训练,支持13种语言。采用双自回归架构和RLHF技术,生成自然流畅的语音,支持50多种情感和语调标记。具备零样本和少样本语音克隆功能,仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版,满足

ViralMagic AI

一个以AI驱动的AI网红营销和视频创作平台,主要提供自动化视频创建和活动管理服务,帮助品牌提升在社交媒体平台上的影响力。

Codeium

Codeium是现代编码超级大国,是一个免费的人工智能代码完成工具。它支持超过20多种语言,并与您最喜欢的ide集成。

TalkingAvatar.ai

TalkingAvatar.ai 是一款集 AI 技术与虚拟形象创作于一体的平台,支持视频内容的重写、重配音以及多语言适配。其核心功能包括语音克隆、唇形同步、文本编辑语音等,可满足视频内容创作、广告定制、多语言电商、教育视频制作等多种应用场景。平台提供灵活的订阅方案,支持多种语言和语音模型,帮助用户轻松实现视频内容的个性化和全球化。

Memo AI

Memo AI 是一款AI 驱动的视频、播客转文字工具。

Granite 3.0

Granite 3.0是IBM推出的一套先进的AI模型,适用于多种应用场景,包括客户服务自动化、内容创作与审核、数据分析以及编程辅助。它通过检索增强生成技术和多语言支持提升任务效率,并具备出色的安全防护能力。该模型采用深度学习和混合专家架构,经过大规模数据训练,为企业提供高效、灵活且可靠的AI解决方案。

MiniMax Audio

MiniMax Audio是一款基于人工智能的语音合成工具,支持多语言、多情感及声音克隆功能,可将文本快速转换为自然流畅的语音。它具备降噪、超长文本合成、实时语音生成等特性,适用于视频配音、播客制作、游戏配音等多种应用场景。