语音

1. 首页
2. 语音

Hibiki

Hibiki是一款由Kyutai Labs开发的开源语音翻译解码器，支持实时语音到语音（S2ST）和语音到文本（S2TT）的翻译。其基于多流语言模型架构，结合弱监督学习和上下文对齐技术，实现低延迟、高保真度的翻译效果。适用于国际会议、在线教育、旅游、新闻采访及客户服务等场景，具备良好的实用性和可扩展性。

AI项目与工具 2025年06月12日 31 点赞 0 评论 382 浏览

68媒视频神器

一款集视频和音频转文字、短视频快速提取字幕、短视频去水印等功能的视频处理工具。

视频剪辑 2025年06月05日 41 点赞 0 评论 384 浏览

Revid AI

Revid AI 是一款AI驱动的视频生成工具，支持从脚本创作到视频发布的全流程操作。用户可输入创意自动生成视频内容，涵盖多种风格与语言模板，具备简单易用的编辑功能及一键发布能力。适用于社交媒体、品牌营销、教育分享及电商展示等多个场景，提升内容创作效率与传播效果。

AI项目与工具 2025年06月12日 18 点赞 0 评论 384 浏览

Parakeet TDT 0.6B

Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。

AI项目与工具 2025年06月11日 36 点赞 0 评论 384 浏览

Ola

Ola是一款由多机构联合开发的全模态语言模型，支持文本、图像、视频和音频等多种输入形式。通过渐进式模态对齐策略，逐步扩展模型的多模态理解能力，同时采用流式解码技术提升交互体验。其架构融合多种编码器与解码器，结合局部-全局注意力机制，实现高效多模态处理，在多项任务中表现优异。

AI项目与工具 2025年06月12日 98 点赞 0 评论 385 浏览

话袋AI笔记

新一代AI卡片笔记产品，具备随时记录、多端同步、资源收藏、笔记串联等多种功能，话袋AI笔记是你生活、学习、工作中好帮手。

Ai办公效率 2025年06月05日 80 点赞 0 评论 386 浏览

ChitChop

ChitChop是字节跳动旗下一款基于云雀大语言模型创建的AI集合工具产品，可以为用户提供多达200+的智能机器人服务。

AI服务商 2025年06月05日 86 点赞 0 评论 386 浏览

Grimo

Grimo 是一款集成多种 AI 技术的写作辅助工具，支持语音输入、提示管理、实时网络搜索和团队协作等功能，适用于作家、内容创作者及专业人员。其提供多个版本以满足不同需求，具备高度定制化和智能化特性，有效提升写作效率和内容质量。

AI项目与工具 2025年06月11日 10 点赞 0 评论 386 浏览

FilmAgent

FilmAgent是一款由哈尔滨工业大学（深圳）研发的虚拟电影制作工具，基于多智能体协作框架，实现从剧本创作到镜头拍摄的全流程自动化。支持剧本生成、多智能体协作、镜头规划、语音合成等功能，适用于创意视频制作、影视教学及虚拟场景应用。系统在Unity 3D环境中运行，提升电影制作效率与创意表达能力。

AI项目与工具 2025年06月12日 31 点赞 0 评论 387 浏览

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。

AI项目与工具 2025年06月12日 86 点赞 0 评论 387 浏览