WPS 大家經常用來日常寫作，雖然本身提供了AI功能，但可惜需要會員，本文教你三分鐘接入最火的DeepSeek，讓WPS秒變辦公神器。 DeepSeek API申請地址：http:/...

這兩年大家都在感嘆生活不易，然而我想說的是，機會還是有的，但問題不在于有沒有，而在于你是否能夠認準機會，然后抓住它。 接觸過很多咨詢項目的人，發現...

剪小映是抖音推出的AI視頻剪輯應用，專為零基礎用戶設計，操作簡單便捷。具備AI智能解析功能，可精準識別素材中的場景、人物等元素，為用戶提供智能剪輯指引...

Aero-1-Audio 是 LMMs-Lab 開發的輕量級音頻模型，基于 Qwen-2.5-1.5B 構建，僅包含 1.5 億參數。專為長音頻處理設計，能支持長達 15 分鐘的連續音頻輸入，無...

AudioX 是香港科技大學和月之暗面聯合提出的統一擴散變壓器模型，專門用于從任意內容生成音頻和音樂。模型能處理多種輸入模態，包括文本、視頻、圖像、音樂和...

MiniMax Audio是MiniMax推出的AI語音合成工具，能創建逼真的多語言、多聲音和多情感的語音。支持文本轉語音（TTS），能將文本快速轉換為自然流暢的語音。用戶...

DiffRhythm 是西北工業大學與香港中文大學（深圳）聯合開發的端到端音樂生成工具，基于潛擴散模型（Latent Diffusion）技術，能快速生成包含人聲和伴奏的完整...

海螺視頻APP是MiniMax推出的AI視頻生成工具，基于AI技術幫助用戶生成高質量視頻內容。海螺視頻APP支持文生視頻（T2V）和圖生視頻（I2V）功能，用戶輸入文本或...

PaliGemma 2 Mix是谷歌DeepMind發布的最新多任務視覺語言模型（VLM）。集成了多種視覺和語言處理能力，支持圖像描述、目標檢測、圖像分割、OCR以及文檔理解等...

OmniAudio-2.6B是Nexa AI推出的音頻語言模型，專為邊緣部署設計，能實現快速且高效的音頻文本處理。OmniAudio-2.6B是具有2.6億參數的多模態模型融合Gemma-2-2...

MMAudio是先進視頻到音頻合成技術，基于多模態聯合訓練，讓模型能在廣泛的視聽和音頻文本數據集上進行訓練。技術的核心是同步模塊，確保生成的音頻與視頻幀精...

EchoMimicV2是螞蟻集團推出的半身人體動畫（數字人）生成方法，基于參考圖片、音頻剪輯和手部姿勢序列生成高質量動畫視頻，確保音頻內容與半身動作的一致性。...

GPT-SoVITS是一個開源的聲音克隆項目，該語音合成工具結合了GPT模型和SoVITS變聲器技術，僅需通過少量的樣本數據實現高質量的語音克隆和文本到語音轉換。該工...

琴樂大模型是由騰訊AI Lab與騰訊TME天琴實驗室共同研發的人工智能音樂創作大模型，該模型通過輸入中英文關鍵詞、描述性語句或音頻，能夠直接生成立體聲音頻或...

Qwen2-Audio是阿里通義千問團隊最新推出的開源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...

MooER是摩爾線程推出的業界首個基于國產全功能GPU訓練的開源音頻理解大模型。不僅能進行中文和英文的語音識別，還具備中譯英的語音翻譯能力。

CapCut是抖音推出的免費全能視頻編輯器，支持多種剪輯功能，如視頻剪輯、音頻編輯、添加字幕、濾鏡和轉場效果。簡單易學，適合初學者和專業人士。CapCut不僅...