音频

Muyan

Muyan-TTS是一款面向播客场景的开源文本转语音工具,基于超10万小时播客数据训练,支持零样本语音合成与说话人适配,可在0.33秒内生成1秒音频,适合实时与长内容合成。支持本地部署与API调用,应用于播客、有声书、视频配音、AI角色及新闻播报等领域,兼具高效性与灵活性。

MakeBestMusic

MakeBestMusic 是一款基于AI技术的音乐创作工具,支持通过文本生成音乐、音频分离、混音与重制等功能,覆盖多种音乐风格。提供多种付费计划,满足不同用户需求,适用于音乐制作、视频创作、游戏开发等场景,提升创作效率与质量。

Adobe Podcast

Adobe Podcast是一个基于Web的平台,提供AI音频录制和编辑功能。用户可以轻松录制、转录、编辑和分享高质量的音频内容,效果清晰明了。

码智作

一个二维码制作工具,码智作可以快速将文字、图片、视频和音频等内容制作成二维码。

Nova A.I.

一款简单却强大的在线视频编辑和日志软件,由计算机视觉视频搜索引擎提供支持。

OptimizerAI

一个专门为视频自动生成音效的AI工具,可以为AI视频自动配音,能够通过文字提示创造出适用于各种场景的声音和音效。

VMix

VMix是一款提升文本到图像生成美学质量的工具,通过解耦文本内容与美学描述,并引入细粒度美学标签,增强图像在色彩、光线、构图等方面的视觉表现。其核心技术为交叉注意力混合控制模块,可在不改变原有模型结构的情况下注入美学条件,保持图文一致性。VMix兼容多种扩散模型及社区模块,支持多源输入、高质量视频处理、实时直播与远程协作,广泛应用于电视直播、网络直播、现场活动及虚拟演播室等场景。

BuboGPT | 字节大模型

BuboGPT是由字节跳动开发的大型语言模型,能够处理多模态输入,包括文本、图像和音频,并具有将其响应与视觉对象相对应的独特能力。