语音

1. 首页
2. 语音

MiniCPM

MiniCPM-o 2.6 是一款高性能的多模态大模型，具备 8B 参数量，支持视觉、语音及多模态直播等多种功能。其在图像处理、语音识别和实时交互方面表现优异，采用高效的 token 技术提升推理速度，可在端侧设备上运行。支持多种语言和音色配置，适用于智能助手、内容创作、教育、客服和医疗等多个领域。

AI项目与工具 2025年06月12日 58 点赞 0 评论 854 浏览

EzVideos

一款能够快速生成适用于Instagram、TikTok和YouTube的爆款短视频工具，EzVideos能够自动完成视频编辑，让用户专注于内容创作。

Ai视频生成 2025年06月05日 21 点赞 0 评论 855 浏览

ClearerVoice

ClearerVoice-Studio 是一个基于复数域深度学习算法的开源语音处理框架，集成了语音增强、分离及音视频说话人提取等功能。它通过先进的 FRCRN 和 MossFormer 系列模型，实现了高效的语音信号处理，并具备强大的预训练能力和灵活的接口设计。该框架广泛应用于智能助手、会议记录、电话会议、公共安全等领域，助力提升语音处理技术的实际应用价值。

AI项目与工具 2025年06月12日 81 点赞 0 评论 856 浏览

J1 Assistant

J1 Assistant 是一款基于安卓平台的 AI 智能助手，支持语音输入与多任务处理。用户可通过语音转换为文本，发送至搜索引擎、AI 模型或创建备忘录。支持任务管理、信息查询及智能对话，适用于日常事务管理、学习研究和生活辅助。目前为 Beta 版本，仅限海外用户使用。

AI项目与工具 2025年06月12日 34 点赞 0 评论 856 浏览

TransDuck

翻译+配音的一站式音视频处理解决方案，助力音视频创作者实现自动化的内容出海与内容引进。

字幕配音 2025年06月05日 81 点赞 0 评论 857 浏览

突字幕

几分钟内得到字幕-极速识别文字和画面提取字幕

字幕配音 2025年06月05日 84 点赞 0 评论 857 浏览

EVI 3

EVI 3是Hume AI推出的全新语音语言模型，能够同时处理文本和语音标记，实现自然、富有表现力的语音交互。它支持高度个性化，根据用户提示生成任何声音和个性，并实时调节情感和说话风格。在与GPT-4o等模型的对比中，EVI 3在情感理解、表现力、自然度和响应速度等方面表现更优，具备低延迟响应能力，可在300毫秒内生成语音回答。EVI 3适用于智能客服、语音助手、教育辅导、情感支持和内容创作等多个

AI项目与工具 2025年06月11日 45 点赞 0 评论 857 浏览

Emote

Emote是一款基于AI技术的智能笔记工具，支持实时语音转录、情感分析及关键词提取等功能。它能帮助用户记录生活、管理时间、分析消费习惯，并提供私人笔友服务以实现情感支持。同时，Emote允许用户自定义笔记本和标签，满足个性化需求。

AI项目与工具 2025年06月12日 36 点赞 0 评论 858 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 858 浏览

创音岛

创音岛是一款集录音转文字、配音、AI写歌及音频编辑于一体的综合性音乐创作与音频处理平台。它采用先进语音识别技术，支持多场景下的文字转录需求；提供多样化的配音选项和智能化音乐编曲功能，帮助用户轻松创作音乐；并配备音频编辑工具，满足用户对音频文件的精细化处理需求。该平台界面友好，操作便捷，适合音乐爱好者、创作者及专业人士使用。

AI项目与工具 2025年06月12日 42 点赞 0 评论 859 浏览