音频

1. 首页
2. 音频

Whisper语音识别模型

Whisper 是一种通用的语音识别模型。它在不同音频的大型数据集上进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。

Ai开源项目 2025年06月05日 90 点赞 0 评论 958 浏览

有道Clear

全球首款100%基于CPU驱动的实时声伴分离插件，提供实时音轨分离、智能音效优化、非实时处理等主要功能。

Ai语音工具 2025年06月05日 64 点赞 0 评论 959 浏览

Singify

Fineshare Singify是一款在线AI歌曲翻唱生成工具，提供超过1000种声音模型，支持多种输入方式，如搜索、上传或录音，并允许用户调整音调、节奏等参数。其生成音乐免版税，适用于个人娱乐、社交媒体分享、音乐教学及广告制作等多个场景。平台界面友好，适合各类音乐创作者和爱好者使用。

AI项目与工具 2025年06月12日 67 点赞 0 评论 962 浏览

Endel.io

可帮助您集中注意力、放松身心和入睡。以神经科学为后盾。

创作工具 2026年11月08日 0 点赞 0 评论 964 浏览

Stable Audio Open Small

Stable Audio Open Small 是由 Stability AI 与 Arm 联合开发的轻量级文本到音频生成模型，参数量降至 3.41 亿，适配移动设备和边缘计算场景。基于深度学习与模型压缩技术，支持快速生成音效、音乐片段等音频内容，适用于实时音频生成任务。具备高效运行、低功耗、多场景应用等特点，可用于音乐创作、游戏音效、视频配乐等领域。

AI项目与工具 2025年06月11日 35 点赞 0 评论 964 浏览

Amphion

Amphion是一款开源音频生成工具包，包含文本转语音（TTS）、歌声合成（SVS）、语音转换（VC）、歌声转换（SVC）、文本转音频（TTA）和文本转音乐（TTM）等功能。它支持多种神经声码器，并提供可视化模型架构，帮助用户快速掌握音频生成技术。通过统一框架和预训练模型，Amphion推动了音频生成领域的研究和应用发展。

AI项目与工具 2025年06月12日 63 点赞 0 评论 965 浏览

Avatar IV

Avatar IV 是 HeyGen 推出的 AI 数字人模型，支持用户通过上传照片和语音快速生成逼真视频。该工具基于音频驱动的表情引擎，能精准捕捉语音中的语调、节奏和情感，生成自然流畅的面部表情和动作。操作简单，无需专业技能，适用于多种角色形象，涵盖社交媒体、企业营销、在线教育等多个领域，是高效内容创作的理想选择。

AI项目与工具 2025年06月11日 45 点赞 0 评论 967 浏览

Gemini

Gemini是Google DeepMind推出的全新AI模型，集成了多模态推理功能，超越了以往模型的性能，适用于科学文献洞察、竞争性编程等多种应用场景。

Ai平台模型 2025年06月05日 100 点赞 0 评论 968 浏览

Notebook LM

Google Labs开发的实验性AI工具。它利用生成式AI技术，帮助用户快速整理和总结笔记。用户可以输入各种文本或PDF文件，NotebookLM会自动组织内容并提供建议。

Ai办公效率 2025年06月05日 34 点赞 0 评论 969 浏览

DanceFusion

DanceFusion是一款由清华大学开发的开源框架，专注于音频驱动的舞蹈动作生成与重建。它采用分层时空Transformer-VAE和扩散模型，能够处理不完整或嘈杂的数据，生成与音乐高度同步的逼真舞蹈动作。该工具支持多种应用场景，包括内容创作、虚拟现实、互动娱乐、舞蹈教育以及动画制作等，展现了其在多领域的应用价值。

AI项目与工具 2025年06月12日 86 点赞 0 评论 969 浏览