音频

Gemma 3n

Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态 AI 模型,基于 Gemini Nano 架构,采用逐层嵌入技术,将内存占用压缩至 2-4B 参数模型水平。支持文本、图像、短视频和音频输入,可生成结构化文本输出,并具备音频转录、情感分析等功能。可在本地设备运行,响应时间低至 50 毫秒,适用于语音助手、内容生成和学术任务定制。

Rask.ai

Rask.ai平台以其自动化和智能化的翻译及配音服务,帮助企业节省时间和成本,同时提高内容的全球可访问性。

screenpipe

ScreenPipe是一款基于AI技术的开源软件,具备全天候屏幕和音频记录功能,能够智能生成每日工作摘要、会议纪要,并监控安全风险。它支持本地处理,确保数据安全,同时提供插件系统以满足个性化需求。ScreenPipe适用于个人效率提升、企业自动化、安全监控、内容创作、教育培训及客户服务等多个场景。

SpeechEasy

SpeechEasy是一种合成语音解决方案,可以让用户从文本生成高质量、易于理解的音频。它适用于各种设备和平台,支持桌面和移动设备,有近12种高质量的合成声音可供选择。它使用简单...

SongDonkey

SongDonkey是一款基于AI技术的音频处理工具,能够高效分离人声与乐器音轨,支持多种格式输出和预览功能。它适用于音乐制作、教学、分析及编辑等领域,为用户提供便捷的音频处理体验。

AiSofiya

Sofiya是一款由人工智能驱动的文本到语音转换器,可以快速准确地将文本合成为超过135种语言和方言的自然语音。它支持多种音频格式和频率,并有一个强大的声音工作室,以合并和增强...

Vozard

一款由iMobie开发的AI驱动的实时语音变声软件,提供超过100种逼真的语音效果。用户可以在在线聊天、游戏等场景中使用。

Sekai

Sekai是一款结合AI技术的交互式内容平台,允许用户创建和自定义虚拟角色,并通过AI生成完整的故事情节。平台支持互动式叙事、沉浸式体验以及故事编辑与分享功能,适用于个人娱乐、社交互动、教育学习及品牌营销等多种场景。

讯飞配音

提供文字转语音、语音合成、国内专业的一站式配音服务平台

voice.ai

voice.ai的使命是通过普及人工智能技术,增强协作创造力,并允许社区重新定义音频表达方式。公司相信人工智能应该是易于接近、对所有人开放且富有趣味的。