语音

Fish Speech

Fish Speech是一款开源的文本到语音(TTS)工具,支持中文、英文和日文。它通过大约15万小时的多语种数据训练,实现了接近人类水平的语音合成效果。该工具的特点包括低显存需求(仅需4GB)、快速推理速度、高自定义性和灵活性。Fish Speech支持多种语音生成模型,如VITS2、Bert-VITS2等,适用于智能助手、自动客服、语言学习等多个领域。

Tactiq.io

一个为各种在线会议平台(例如 Google Meet、Zoom 和 MS Teams)提供实时转录服务的平台。Tactiq.io提供实时转录、人工智能生成的会议摘要、行动项目以及提出自定义问题的功能等功能。

FoloUp

FoloUp 是一款开源的 AI 语音面试平台,能根据职位描述自动生成面试问题,并通过自然语言交互与候选人进行语音面试。系统支持实时分析、评分与报告生成,提供数据仪表盘用于跟踪候选人表现。平台支持一键分享、远程面试和批量招聘,结合语音识别、NLP 和安全数据管理技术,适用于多种招聘场景,提升招聘效率与质量。

悦音配音

AI智能配音工具,独有的AI智能配音技术,更专业,完美贴近真人配音,AI模仿真人情感(怀旧、欢快、激情、伤心、抒情、惊讶等),支持多音字、停顿、整数、小数、数字等特色发音,...

CopyCopter

CopyCopter是一款基于AI技术的短视频生成工具,能够高效地将长篇文本转化为高质量的短视频内容。它具备自动脚本生成、多语言语音选择、图片生成、库存视频素材调用等功能,并支持视频编辑、社交媒体发布及品牌定制化服务,广泛应用于内容营销、社交媒体管理、教育及新闻媒体等领域,助力用户提升创作效率和作品吸引力。

SenseVoice

一款阿里通义实验室发布的FunAudioLLM框架多语言音频基础模型,SenseVoice具有多语种、混合语言、音色和情感控制能力。

Offerin AI

一款基于GPT-4的AI面试笔试助手,支持实时语音识别、极速回答、精确搜索和代码生成等功能。

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。

Podcastfy

Podcastfy 是一款基于生成式人工智能技术开发的开源工具,可将网络文章、PDF 文件及纯文本转化为多语言对话式音频。它不仅支持多源文本合并,还具备强大的文本转语音功能,允许用户选择不同的语音模型来优化音频效果。此外,其开源特性便于开发者根据需求进行个性化定制,广泛适用于内容摘要、语言本地化、教育材料转化等多个领域。

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。