语音

1. 首页
2. 语音

TEN VAD

TEN VAD是一款高性能的实时语音活动检测系统，专为企业级应用设计。它基于深度学习技术，能够精确区分语音和非语音信号，具有低延迟、轻量级和高精度的特点。支持多种平台和编程接口，适用于智能助手、客服机器人等场景，帮助构建更高效、更智能的对话系统。

AI项目与工具 2025年06月11日 47 点赞 0 评论 414 浏览

Videotoword.ai

Videotoword.ai 是一款以AI驱动的在线服务，支持将音频和视频文件转化为文本，具有高精度（99.9%）和多语言支持（98种以上）。它能处理长达10小时的文件，具备自动转录、文本编辑导出及AI摘要生成功能，广泛应用于教育、媒体、法律和企业等领域。

AI项目与工具 2025年06月12日 36 点赞 0 评论 414 浏览

FunAudioLLM

FunAudioLLM是由阿里巴巴通义实验室开发的开源语音大模型项目，包含SenseVoice和CosyVoice两个子模型。SenseVoice擅长多语言语音识别和情感辨识，支持超过50种语言；CosyVoice则专注于自然语音生成，支持多种语言、音色和情感控制。该项目适用于多语言翻译、情感语音对话等场景，其相关模型和代码已公开发布。

AI项目与工具 2025年06月12日 66 点赞 0 评论 415 浏览

Media2Face

一款革命性的语音面部动画生成工具，借助 Media2Face，现在可以从任何音频、图像或文本输入无缝生成逼真且富有表现力的面部动画。

Ai开源项目 2025年06月05日 56 点赞 0 评论 415 浏览

大饼AI变声

大饼AI变声，自然人声效果，千种音色选择，全场景接入支持，专注于声音领域，除了实时变声，大饼AI变声还为声音从业者打造了音色转换工具，为内容创作者提供了文本转语音等功能。

Ai语音工具 2025年06月05日 47 点赞 0 评论 416 浏览

Moonshine

Moonshine是一款专为资源受限设备设计的高效语音识别模型，支持实时语音转文本，具有低延迟、高准确率的特点。它基于编码器-解码器架构和旋转位置嵌入技术，适应不同长度的音频输入，计算需求随音频长度变化而调整，适合边缘设备部署。主要应用于会议转录、语音助手、听力辅助及多语言翻译等领域。

AI项目与工具 2025年06月12日 76 点赞 0 评论 417 浏览

Dubbingx

全球唯一、多情绪、多语态、全可控的AI配音产品

创作工具 1970年01月01日 0 点赞 0 评论 417 浏览

CosyVoice

一种深度融合文本理解和语音生成的一项新型语音合成技术，CosyVoice能够精准解析并诠释各类文本内容，将其转化为宛如真人般的自然语音。

Ai语音工具 2025年06月05日 33 点赞 0 评论 418 浏览

MoCha

MoCha 是一款由 Meta 与滑铁卢大学联合开发的端到端对话角色视频生成模型，支持语音与文本驱动的角色动画生成，具备全身动作模拟与多角色对话交互能力。其核心技术包括扩散变压器架构和语音-视频窗口注意力机制，确保动画与语音精准同步。适用于虚拟主播、影视动画、教育内容及数字人客服等多个领域，提升了内容创作效率与表现力。

AI项目与工具 2025年06月12日 34 点赞 0 评论 418 浏览

MagicMic

MagicMic是一个功能强大的声音变换工具，适用于游戏玩家、主播和内容创作者。它通过提供丰富的声音过滤器和音效，以及实时声音变换技术，使用户能够在游戏中或在线聊天中保护隐私...

创作工具 1970年01月01日 0 点赞 0 评论 418 浏览