语音

VXlive

VXlive是一款以语音社交为核心的多功能应用,支持语音聊天、直播、1对1视频通话及AI互动功能。内置AI语音识别与语音日记,提供个性化互动体验,增强用户情感陪伴。语音挑战活动提升社交趣味性,适合各类用户拓展社交圈,尤其适合社交焦虑人群。应用注重互动性和社区氛围,打造轻松友好的社交环境。

kokoroTTS

一款开源、高性能的文本转语音(TTS)模型,Kokoro TTS拥有8200万参数,基于StyleTTS 2架构,提供高质量、自然的语音合成,适用于有声书、播客等。

Chat Video

Chat Video 基于AI的高效视频学习工具,具有语音识别、摘要总结、AI 问答等功能。

讯飞智能翻译

讯飞智能翻译是一款由讯飞开发的智能翻译工具,翻译结果具有高度的准确性和可靠性。

Vid.AI

一个爆款短视频生成AI工具并优化这些视频以提高在社交媒体上的传播率,提供提示生成视频、AI 脚本生成、AI 声音、短视频创作和内置的素材库。

TTS-Voice-Wizard

TTS语音向导是一种工具,允许用户通过微软Azure语音识别和TTS将语音转换为文本,然后再转换回语音。它还向VRChat发送OSC消息以在头像上显示文本。该工具有许多自定义选项,包括100...

Spiritme AI

一款AI视频平台,可以让用户通过数字化化身生成个性化视频。该平台利用人工智能技术,帮助用户轻松创建独特和引人入胜的视频。

简单听记

百度网盘推出的一款AI语音转文字工具,简单听记能够帮你将音频内容转化为文字,还能进一步把这些文字提炼总结,帮你节省很多时间。

SignGemma

SignGemma是由谷歌DeepMind团队开发的全球最强大的手语翻译AI模型,专注于将美国手语(ASL)实时翻译成英语文本。通过多模态训练方法,结合视觉和文本数据,实现高准确率和低延迟的翻译,响应时间低于0.5秒。支持端侧部署,保护用户隐私,适用于教育、医疗和公共服务等场景。

MoshiVis

MoshiVis是一款由Kyutai开发的开源多模态语音模型,支持图像与语音的自然交互。它基于Moshi 7B架构,集成了视觉编码器和跨注意力机制,实现低延迟、自然流畅的对话体验。支持多种后端部署,适用于无障碍应用、智能家居、教育及工业场景,提升人机交互的智能化水平。