標(biāo)簽：語音識別

Qwen2-Audio是阿里通義千問團(tuán)隊最新推出的開源AI語音模型，支持直接語音輸入和多語言文本輸出。具備語音聊天、音頻分析功能，支持超過8種語言。Qwen2-Audio在...

醒藍(lán)AI是一款A(yù)I照片生成工具，支持一鍵生成AI形象照，用戶能夠輕松制作工作形象照、寫真照、證件照和AI換臉照片。醒藍(lán)AI還提供API接口和定制化解決方案，滿足...

有道小P是網(wǎng)易有道推出的AI全科學(xué)習(xí)助手，專為K12階段的學(xué)生設(shè)計。有道小P搭載了有道子曰教育大模型，能覆蓋全學(xué)段和全學(xué)科的答疑需求，提供個性化的學(xué)習(xí)輔導(dǎo)...

Mo卡片是一站式AI知識庫卡片式學(xué)習(xí)工具。Mo卡片以卡片形式提供1500+張專業(yè)AI知識卡片，涵蓋理論、實操、特別篇等主題。用戶通過圖文、動畫、視頻、語音等互動...

微博嘴替是一個微博賬戶AI趣味分析應(yīng)用，專為微博用戶設(shè)計。微博嘴替通過分析用戶的微博資料和內(nèi)容，生成犀利、幽默風(fēng)趣和個性化的吐槽。

Subtitle Edit是一款免費開源的多功能字幕編輯器，支持超過300種字幕格式，包括SRT、MicroDVD和Sub Station Alpha等。具備字幕同步、創(chuàng)建、翻譯、音頻波形可...

HumanVid是香港中文大學(xué)和上海人工智能實驗室共同推出的高質(zhì)量數(shù)據(jù)集，專為人類圖像動畫訓(xùn)練設(shè)計。結(jié)合了現(xiàn)實世界視頻和合成數(shù)據(jù)，通過精心設(shè)計的規(guī)則篩選高...

Seed-ASR是字節(jié)跳動開發(fā)的一款基于大型語言模型（LLM）的語音識別（ASR）模型。在超過2000萬小時的語音數(shù)據(jù)和近90萬小時的配對ASR數(shù)據(jù)上訓(xùn)練，支持普通話和13...

MUMU是一種多模態(tài)圖像生成模型，通過結(jié)合文本提示和參考圖像來生成目標(biāo)圖像，從而提高生成的準(zhǔn)確率和質(zhì)量。MUMU模型的架構(gòu)基于SDXL的預(yù)訓(xùn)練卷積UNet，采用了...

LeRobot是由HuggingFace推出的開源AI聊天機器人項目，由前特斯拉研究員Remi Cadene領(lǐng)導(dǎo)開發(fā)。LeRobot致力于降低機器人技術(shù)的入門門檻，提供預(yù)訓(xùn)練模型、數(shù)據(jù)...

STranslate是專為Windows用戶設(shè)計的多功能翻譯和OCR工具。支持多種語言翻譯，具備劃詞、截圖、監(jiān)聽剪貼板等多種翻譯方式，并提供多家翻譯服務(wù)接口。還擁有基...

Dola是一款人工智能日歷助理，通過自然語言處理技術(shù)，使用戶能通過文本、語音或圖片等多種方式與主流即時通訊軟件（如Apple Messages、Telegram、LINE、Whats...

Mini-Omni 是一個開源的端到端語音對話模型，具備實時語音輸入和輸出的能力，能在對話中實現(xiàn)“邊思考邊說話”的功能。模型的設(shè)計支持在不需要額外的自動語音識...

SlaxNote 是一款基于語音識別技術(shù)的 AI 語音筆記應(yīng)用，可以實時將語音轉(zhuǎn)換為文本，并自動潤色這些文本，使表達(dá)更加流暢和專業(yè)。特別適合戶外靈感捕捉、想法組...

VoxInstruct 是由清華大學(xué)開源的語音合成技術(shù)，能根據(jù)人類語言指令生成高度符合用戶需求的語音。系統(tǒng)采用統(tǒng)一的多語言編解碼器語言建模框架，將傳統(tǒng)的文本到...