標簽：語音合成

Toucan TTS是由德國斯圖加特大學自然語言處理研究所（IMS）開發(fā)的文本到語音合成工具箱，支持超過7000種語言，包括多種方言和變體，提供多說話人語音合成、語...

ElevenLabs Reader App是由AI語音初創(chuàng)公司ElevenLabs推出的一款文本轉(zhuǎn)語音應用，利用AI技術將各類文本內(nèi)容，如文章、PDF文件、ePub等，轉(zhuǎn)化為自然流暢、高音...

Fish Speech是一款由Fish Audio開發(fā)的開源的文本到語音（TTS）工具，支持中文、英文和日文。通過約15萬小時的多語種數(shù)據(jù)訓練，實現(xiàn)了接近人類水平的語音合成...

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...

Linly-Dubbing是一個開源的智能視頻多語言AI配音和翻譯工具，能自動將視頻內(nèi)容翻譯成多種語言，并生成字幕。通過WhisperX和FunASR進行精準語音識別，基于Edge...

GLM-4V-Plus是智譜AI最新推出的多模態(tài)AI模型，專注于圖像和視頻理解。GLM-4V-Plus不僅能夠精確分析靜態(tài)圖像，還具備動態(tài)視頻內(nèi)容的時間感知和理解能力，能捕...

edge-tts是開源的AI文字轉(zhuǎn)語音項目，支持超過40種語言和300多種聲音。edge-tts利用微軟Azure Cognitive Services的強大功能，能將文本信息轉(zhuǎn)換成流暢自然的語...

TikTok Voice 是基于AI技術的文字轉(zhuǎn)語音（TTS）在線工具，將文本轉(zhuǎn)換成各種流行于TikTok平臺的聲音效果。工具為用戶提供多種語音選項，如女士聲音、Siri聲音...

AI解說大師是智能影視創(chuàng)作工具，基于先進的數(shù)字技術和AI大模型，讓用戶能夠輕松生成原創(chuàng)解說視頻。工具具備正版影視素材庫、自動生成解說文案、音頻和字幕智...

豆包AI視頻模型是字節(jié)跳動推出的兩款AI視頻生成大模型：PixelDance 和 Seaweed 。PixelDance基于DiT結(jié)構(gòu)，擅長理解復雜指令，生成連貫、多主體交互的視頻片段...

PDF2Audio 是一個開源工具，能將 PDF 文檔轉(zhuǎn)換成音頻內(nèi)容，適合制作播客、講座或摘要。它基于 OpenAI 的 GPT 模型生成播客腳本，通過文本到語音技術轉(zhuǎn)化為音頻。

F5-TTS是由上海交通大學開源的一款高性能文本到語音（TTS）系統(tǒng)，基于流匹配的非自回歸生成方法，結(jié)合擴散變換器（DiT）技術。系統(tǒng)在沒有額外監(jiān)督的情況下，...

語鯨（LingoWhale）是基于深言科技大模型能力的一款AI閱讀工具，通過智能總結(jié)、問答、思維導圖等功能，幫助用戶快速把握文章核心內(nèi)容和結(jié)構(gòu)。工具支持多端同...

Voice Design是ElevenLabs推出的AI語音生成工具，用戶只需描述所需聲音的年齡、口音、性別、語調(diào)或音高，甚至是虛構(gòu)角色如精靈、食人魔等，工具能快速生成獨...

音鹿是AI音頻編輯軟件，提供文字轉(zhuǎn)語音、海量音色選擇、AI翻唱、音頻編輯工具等功能。用戶能生成不同音色配音文件，上傳音色為歌曲配音，適于多個社交平臺。...