標簽：語音識別

呱呱有聲是AIGC長音頻數(shù)字內(nèi)容生產(chǎn)開放平臺，靈伴智能開發(fā)。通過人工智能技術(shù)，實現(xiàn)了從“文本”到“作品”的全流程AI生產(chǎn)，大幅提升產(chǎn)能。平臺特色包括人機結(jié)合...

DupDub是出門問問推出的創(chuàng)新AI內(nèi)容生成平臺，旨在幫助內(nèi)容創(chuàng)作者高效制作視頻、文本和音頻內(nèi)容。提供AI寫作、文本轉(zhuǎn)語音、AI頭像動畫化和視頻編輯等功能，支...

AI 和安全，原生鴻蒙打破高墻的秘密武器。

SAM 2.1（全稱Segment Anything Model 2.1）是Meta（Facebook的母公司）推出的先進視覺分割模型，用于圖像和視頻。基于簡單的Transformer架構(gòu)和流式記憶設(shè)計...

金舟AI助手是創(chuàng)新的營銷內(nèi)容創(chuàng)作平臺，基于人工智能和大數(shù)據(jù)技術(shù)，為創(chuàng)作者、品牌主和營銷服務(wù)公司提供高效的內(nèi)容創(chuàng)作解決方案。平臺能快速生成富有創(chuàng)意和針...

DynaSaur是Adobe Research推出的大型語言模型（LLM）代理框架，突破傳統(tǒng)LLM代理系統(tǒng)受限于預(yù)定義動作集合的限制。框架支持代理動態(tài)創(chuàng)建和組合動作，基于生成...

Takin AudioLLM是喜馬拉雅Everest團隊推出的一系列高質(zhì)量零樣本語音生成模型，包括Takin TTS、Takin VC和Takin Morphing。模型用最新的大型語言模型技術(shù)，專...

原標題：一文看盡Meta開源大禮包！全面覆蓋圖像分割、語音、文本、表征、材料發(fā)現(xiàn)、密碼安全性等 文章來源：新智元 內(nèi)容字數(shù)：6434字Meta開源AI項目推動技術(shù)...

AI醬是二次元風格的AI多語言智能聊天APP，提供了多個二次元萌妹和帥哥形象，用戶可以與這些角色進行面對面的即時對話。應(yīng)用基于語音識別能力和人工智能技術(shù)，...

滴文是在線服務(wù)平臺，基于AI技術(shù)簡化標書的制作和交付流程。在短時間內(nèi)生成多頁標書文檔，滿足緊急交付需求。平臺提供多行業(yè)覆蓋的標書模板，確保輸出的標書...

LEOPARD是騰訊AI Lab西雅圖實驗室推出的視覺語言模型，專為理解和處理含有大量文本的多圖像任務(wù)設(shè)計。LEOPARD基于兩個主要技術(shù)創(chuàng)新：一是策劃約一百萬條專門...

原標題：字節(jié)跳動豆包大模型支持實時語音通話 文章來源：小夏聊AIGC 內(nèi)容字數(shù)：3297字豆包大模型實時語音通話使用教程 隨著人工智能技術(shù)的快速發(fā)展，豆包大...

躍問視頻是階躍星辰推出的AI視頻生成工具，支持多種視頻創(chuàng)作主題，例如城市、科幻、自然、跑車、美食等。用戶可以通過躍問視頻官方提供的視頻示例獲得創(chuàng)意靈...

過年回家，和爸爸媽媽一起做聽力測試吧

訊飛星辰是科大訊飛推出的AI大模型定制訓練平臺，創(chuàng)建你的專屬定制大模型。訊飛星辰匯集20多個行業(yè)內(nèi)知名的優(yōu)質(zhì)模型，如星火大模型、Llama3等，支持零代碼微...