语音

1. 首页
2. 语音

爱幕字幕编辑器

一款在线免费字幕编辑器，爱幕其核心优势在于提供了全面的字幕处理功能，支持视频转码、语音识别、字幕翻译和一键字幕压制等。

字幕配音 2025年06月05日 36 点赞 0 评论 956 浏览

Moshi

Moshi是一款由法国Kyutai实验室开发的端到端实时音频多模态AI模型，具备听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。Moshi具有多模态交互、情绪和风格表达、实时响应低延迟、语音理解与生成、文本和音频混合预训练以及本地设备运行等特点。它支持英语和法语，主要应用于虚拟助手、客户服务、语言学习、内容创作、辅助残障人士、研究和开发、娱乐和游戏等领域。

AI项目与工具 2025年06月12日 73 点赞 0 评论 954 浏览

Clipchamp

Clipchamp，可帮助你创作内容的智能工具，有自动生成字幕、文本转语音、调整视频大小等功能，现在是Microsoft旗下公司。

视频剪辑 2025年06月05日 83 点赞 0 评论 954 浏览

VoxInstruct

VoxInstruct是清华大学开源的语音合成技术，能够根据人类语言指令生成高质量的语音。该系统采用统一的多语言编解码器语言建模框架，将传统的文本到语音任务扩展到了更广泛的人类指令到语音任务。VoxInstruct通过引入语音语义标记和多种无分类器指导策略，提升了语音合成的自然度和表现力。它支持多语言和跨语言合成，适用于智能语音助手、有声读物、教育培训等多个领域。

AI项目与工具 2025年06月12日 79 点赞 0 评论 953 浏览

MarkItDown

MarkItDown是一款由微软推出的开源文档转换工具，支持多种文件格式（如PDF、Office文档、图像、音频等）转换为Markdown格式。它具备OCR文字识别、语音转文字、元数据提取等功能，适用于文档归档、内容发布、数据挖掘、学术研究等多个场景，旨在简化文件处理流程，提升工作效率。通过提供简单易用的API接口，MarkItDown成为开发者友好型工具。

AI项目与工具 2025年06月12日 22 点赞 0 评论 952 浏览

Whisper Input

Whisper Input 是一款开源语音输入工具，基于 Python 和 OpenAI Whisper 模型开发，支持多语言语音识别与实时转录。用户可通过快捷键操作录音并生成文本，具备翻译、自动标点、高效处理及本地运行等功能。适用于会议记录、教育、智能交互及媒体制作等多种场景。

AI项目与工具 2025年06月12日 29 点赞 0 评论 951 浏览

PageOn.ai

PageOn.ai是一个AI驱动的内容创作平台，帮助用户快速生成高质量的视觉内容。通过AI Agent理解用户需求，自动生成动态视觉元素，如互动图表、3D模型和媒体内容。用户只需描述外观和感觉，AI即可转化为视觉表达。平台具备深度搜索功能，支持拖放和斜杠命令组合内容，打造个性化视觉故事。主要功能包括AI生成幻灯片、智能演示、数据图表生成、实时语音交互和多人协作等，适用于教学演示、商务会议、项目汇报

AI项目与工具 2025年06月11日 72 点赞 0 评论 950 浏览

Bark

Bark是一款开源的文本到音频转换模型，由Suno AI开发，能够生成逼真的多语言语音及多种音频类型，包括音乐和背景噪音，并支持非语言交流的声音。该模型提供预训练模型，适用于研究和商业用途。其主要功能涵盖文本到音频转换、多语言支持、音频多样性和非语言交流模拟。Bark在多语言内容创作、音频内容生成和非语言交流场景中具有广泛应用。

AI项目与工具 2025年06月12日 28 点赞 0 评论 948 浏览

紫东太初 – 多模态大模型

“紫东太初”平台展现了中国科学院自动化研究所在人工智能领域的深厚实力。它不仅具备强大的多模态处理能力，还通过自监督学习和跨模态语义关联技术，为广泛的AI应用提供了坚实的模...

Ai平台模型 2026年08月07日 0 点赞 0 评论 947 浏览

Aqua Voice

Aqua Voice 是一款AI驱动的语音转录与文档编辑工具，支持语音转文字、自然语言指令编辑、自动格式优化及多语言处理。它适用于高效写作、辅助输入及跨平台办公场景，兼容多种主流应用，提升文本创作效率与准确性。

AI项目与工具 2025年06月11日 81 点赞 0 评论 947 浏览