语音

VideoGen

一款能够在几秒钟内生成高质量、无版权的AI视频生成器。具有逼真AI声音的语音合成引擎、优化的视频编辑器和数百万商用免版税素材,为个人、企业和团队提供了一个快速、简单的视频制作体验。

MetaVoice Studio

MetaVoice Studio允许用户录制自己的声音或上传文件来创建自定义语音剪辑。它提供了一个免费的计划,有6个声音,30秒的剪辑长度,和一个非商业许可。付费计划包括8个声音、10分钟...

Zonos

Zonos是一款由Zyphra开发的高保真文本到语音(TTS)模型,支持零样本语音克隆和多语言生成,具备精细的情感与语音参数控制能力。其采用Transformer和SSM混合架构,基于大规模语音数据训练,适用于有声读物、虚拟助手、多媒体创作及无障碍技术等多个领域。模型开源且支持实时语音生成,具有广泛的应用潜力。

ChatPods

ChatPods 是一款基于 AI 技术的播客平台,提供个性化推荐、内容摘要生成、实时问答、章节导航及智能搜索等功能。用户可在收听过程中与 AI 互动,快速获取信息并精准定位内容,适用于学习、娱乐、通勤等多种场景,提升播客收听效率与体验。

Vozard

一款由iMobie开发的AI驱动的实时语音变声软件,提供超过100种逼真的语音效果。用户可以在在线聊天、游戏等场景中使用。

PaddleSpeech

PaddleSpeech是百度飞桨团队开发的开源语音处理工具,涵盖语音识别、语音合成、声纹识别、语音翻译等功能。支持多种接口形式,适用于智能语音助手、语音播报、身份验证等场景。基于PaddlePaddle框架,提供高效的深度学习模型和丰富的音频处理能力,适用于多种实际应用需求。

Boardy

Boardy是一款基于AI与语音技术的人脉拓展工具,通过智能对话了解用户需求并提供精准推荐。支持双向确认连接,提升合作质量。内置数据可视化模块,用户可轻松创建自动更新的仪表板,适用于创业者、高管及企业用户,助力资源拓展与职业发展。

RecCloud

一个人工智能驱动的多媒体服务平台,RecCloud专门为视频和音频处理提供一套全面的工具。

Jellypod

Jellypod 是一款基于 AI 的播客制作工具,支持从网页、PDF 等多种格式自动生成脚本并转为音频,涵盖 30 多种语言和口音。用户可自定义 AI 主持人,编辑脚本并一键发布到主流平台,具备高质量音频生成与内容管理功能,适用于企业、教育和个人品牌建设等场景。

Multimodal Live API

Multimodal Live API是谷歌推出的一种支持文本、音频和视频交互的AI接口,具备低延迟、实时双向通信和自然语言处理能力。它允许用户通过多种输入方式与AI互动,并支持会话记忆和外部功能调用,广泛应用于客户服务、在线教育、远程医疗、视频会议和娱乐等领域。