標簽：語音識別

RTranslator 是一款開源、免費、離線實時翻譯應用程序，專為 Android 設備設計。基于先進的AI技術，包括 Meta 的 NLLB 翻譯模型和 OpenAI 的 Whisper 語音識...

RD-Agent是一個開源的自動化研究與開發（R&D）工具，由微軟亞洲研究院推出。基于AI技術推動數據驅動的AI研發過程，專注于簡化模型和數據的開發。RD-Agent...

VideoLingo 是一款一鍵全自動視頻翻譯工具，能將視頻進行字幕切割、翻譯、對齊和配音，最終生成 Netflix 級別的字幕和配音。VideoLingo 基于自然語言處理（NL...

TinyVLA是一種面向機器人操控的視覺-語言-動作（VLA）模型，由華東師范大學和上海大學團隊推出。針對現有VLA模型的不足，如推理速度慢和需要大量數據預訓練，...

Reverb ASR是Rev公司推出的開源自動語音識別和說話人分離模型，基于20萬小時的人工轉錄英語數據訓練而成。模型在長語音識別領域表現卓越，適合處理如播客和財...

Loong是由香港大學和字節跳動聯合推出的一種新型長視頻生成模型，能生成外觀一致、動態豐富、場景過渡自然的分鐘級長視頻。模型基于自回歸大型語言模型（LLM...

Agent-S 是創新的代理框架，旨在基于圖形用戶界面（GUI）實現人機交互的自動化。Agent-S 基于模擬人類的操作方式，用鼠標和鍵盤直接與計算機交互，處理復雜的...

AsrTools是一款高效的智能語音轉文字工具，能將音頻文件快速轉換成精確的文字內容。工具的優勢在于無需復雜的配置，直接調用大廠的ASR接口，無需GPU支持，用...

Langotalk是一個創新的在線語言學習平臺，基于AI技術為語言學習者提供個性化和沉浸式的學習體驗。平臺支持20多種語言，如英語、西班牙語、法語、德語、意大利...

FunASR是由阿里巴巴達摩院開源的語音識別工具包，提供包括語音識別（ASR）、語音活動檢測（VAD）、標點恢復、語言模型、說話人驗證、說話人分離及多說話人ASR...

TANGO 是一個由東京大學和 CyberAgent AI Lab 共同推出的開源框架，專注于生成與目標語音同步的全身手勢視頻。基于分層音頻運動嵌入和擴散插值網絡，將目標語...

Lingua 是 Meta AI推出的一個輕量級且獨立的代碼庫，旨在助力大規模訓練語言模型。基于易于修改的 PyTorch 組件，便于研究人員嘗試新的模型架構、損失函數和...

有掛是一款創新的瀏覽器AI插件，基于自然語言處理技術，使用戶用簡單的命令或對話修改網頁內容，無需任何編程知識。插件支持Chrome、Edge和Arc瀏覽器，具備個...

麥芽島是由科大訊飛推出的一款AI虛擬角色互動聊天應用。用戶可以創建和自定義虛擬角色，與之進行沉浸式對話，模擬情感陪伴和劇情互動。用戶可以設定角色的外...

Act-One 是 Runway推出的AI生成式角色表演工具，基于簡單的視頻輸入生成富有表現力的角色表演。工具用生成式模型，將演員的現場表演轉化為3D模型，適于動畫流...