音频

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。

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。

iMyFone VoxBox

iMyFone VoxBox是一款集多种声音制作功能于一体的AI声音生成器,适合各种使用场景,从视频配音到有声书叙述,再到播客和游戏角色配音等。

M2UGen

M2UGen是由腾讯PCG ARC实验室与新加坡国立大学共同研发的一款多模态音乐理解和生成框架,支持从文本、图像、视频等多种模态输入生成相应音乐。它具有强大的音乐理解能力、灵活的音乐编辑功能以及多样化的应用场景,适用于音乐制作、影视配乐、音乐教育等多个领域。凭借其创新的技术架构和卓越的表现力,M2UGen已成为当前最优秀的多模态音乐生成工具之一。

AIVA

AIVA是一款基于人工智能的音乐生成平台,支持快速生成超过250种风格的原创音乐。它具备高度定制化功能,可上传音频或MIDI文件作为参考,支持多格式下载,并提供灵活的版权解决方案。AIVA适用于视频配乐、游戏音效、社交媒体内容制作等多个应用场景,帮助用户高效创作高质量音乐作品。

ImageBind

ImageBind是由Meta公司开发的开源多模态AI模型,能够整合文本、音频、视觉、温度和运动数据等多种模态的信息,并将其统一到一个嵌入空间中。该模型通过图像模态实现其他模态数据的隐式对齐,支持跨模态检索和零样本学习。它在增强现实(AR)、虚拟现实(VR)、内容推荐系统、自动标注和元数据生成等领域有广泛应用。

PaddleSpeech

PaddleSpeech是百度飞桨团队开发的开源语音处理工具,涵盖语音识别、语音合成、声纹识别、语音翻译等功能。支持多种接口形式,适用于智能语音助手、语音播报、身份验证等场景。基于PaddlePaddle框架,提供高效的深度学习模型和丰富的音频处理能力,适用于多种实际应用需求。

刺鸟配音

一款专业文字转语音的有情绪的配音软件,刺鸟配音声音媲美真人的AI配音技术,可以为你轻松配出好声音。