产品库

魔音工坊是一款可以在线将文字转成语音的智能配音产品

魔音工坊是一款功能强大的在线智能配音工具,能够快速高效地实现文字到语音的转换。它拥有强大的语音合成技术,提供真人录音质量的配音效果。用户只需输入文字,即可生成逼真的语音音频。魔音工坊支持中文、英文等多种语言的配音,提供不同性别、不同口音的人声音色。用户可以精心调整每个句子的语速、音调等参数,输出流畅自然的配音作品。该产品适用于视频创作者、主播、录音师等创作者,能大大提高他们的内容输出效率。

MetaVoice-1B是一个语音合成模型。

MetaVoice-1B是一个1.2B参数的语音合成基础模型,通过训练10万小时的语音数据而成。它具有以下特点:支持英语情感语调和语气;支持语音克隆;少量数据(1分钟内)就可实现印度语音克隆;无参克隆美式和英式语音(30秒音频);支持长文本语音合成。我们在Apache 2.0许可下免费开源这个模型,可以无限制使用。

高质量、逼真的AI语音合成服务，满足您的各种语音合成需求。

LazyBird是一个AI语音合成工具，提供高质量、逼真的语音合成服务。它可以帮助您轻松地为您的电子学习材料、播客或商业视频创建专业的语音合成。LazyBird的主要优点是其逼真的声音和自然的语调，能够吸引您的观众。

赛灵力虚拟数字人工厂提供 AI 虚拟人视频创作服务，让数字人拥有真人般交互能力。

赛灵力虚拟数字人工厂致力于 2D 虚拟人、3D 虚拟人、声音克隆等 AI 技术探索和产业应用，为企业、政府、个人提供虚拟数字人 AI 视频创作、个人形象定制、声音定制、智能语音合成等服务。

OpenVoice V2是一款支持多语言的语音合成模型，提供高质量的语音克隆与风格控制功能。

OpenVoice V2是一款文本到语音（Text-to-Speech, TTS）的模型，它在2024年4月发布，包含了V1的所有功能，并进行了改进。它采用了不同的训练策略，提供了更好的音质，支持英语、西班牙语、法语、中文、日语和韩语等多种语言。此外，它还允许商业用途的免费使用。OpenVoice V2能够精确地克隆参考音调色彩，并在多种语言和口音中生成语音。它还支持零样本跨语言语音克隆，即生成语音的语言和参考语音的语言不需要在大规模多语种训练数据集中出现。

基于科大讯飞语音技术，实现智能客服的多渠道解决方案。

A.I.智能客服解决方案是科大讯飞基于其先进的语音技术，为企业提供的一套完整的客户服务系统。该系统通过电话、Web、APP、小程序、自助终端等多种渠道，实现智能外呼、智能接听、语音导航、在线文字客服、质检分析、坐席辅助等功能。它通过高识别率的语音识别引擎、自然流畅的语音合成技术、智能打断能力、IVR导航以及客服平台中间件等技术，帮助企业提高客服效率，降低人力成本，同时提升客户服务体验。

AI图像、视频、音乐生成工具

ApolloAI是一款人工智能平台，提供AI图像、视频、音乐、语音合成等功能。用户可以通过文本或图片输入生成多种类型的内容，具备商业使用权。定价灵活，提供订阅和一次性购买两种模式。

Azure AI Studio提供的语音服务

Azure AI Studio是微软Azure提供的一套人工智能服务，其中包括语音服务。这些服务可能包括语音识别、语音合成、语音翻译等功能，帮助开发者在他们的应用程序中集成语音相关的智能功能。

基于少量语音样本生成逼真的人声音频

Voice Engine是一种先进的语音合成模型,它仅需15秒的语音样本,便能生成与原始说话人极为相似的自然语音。该模型广泛应用于教育、娱乐、医疗等领域,可为非读写人群提供朗读辅助、为视频和播客内容翻译语音、为非语言人群赋予独特语音等。其显著优势在于所需语音样本少、生成语音质量高、支持多语种。Voice Engine目前处于小规模预览阶段,OpenAI正在与各界人士探讨其潜在应用和伦理挑战。

真实人声AI文本转语音

VoiceBar提供最逼真的AI语音合成服务，包括多国语言和口音，具有高级的语音质量和真实感。无需订阅，使用极具竞争力。适用于语音留言、多语言文本转语音、TikTok、解说视频、学习等场景。

一键翻译各类图片内文字

该项目可以将漫画/图片中的文字进行翻译,主要功能包括文本检测、光学字符识别(OCR)、机器翻译和图像修补。它支持多种语言如日语、中文、英语和韩语等,可实现近乎完美的翻译效果。该项目主要面向漫画爱好者和图像处理工作者,可以方便地阅读外语漫画或进行图像的多语言处理。此外,它还提供Web服务、在线演示和命令行工具等多种使用方式,具有良好的可用性。该项目代码开源,欢迎大家一起完善和贡献。

Deepgram的Aura TTS演示，展示了先进的语音合成技术。

Aura TTS（文字转语音）演示展现了Deepgram的高级语音合成技术，可以将文本转换成自然发音的语音，并提供多种声音选项。

NaturalSpeech 3是一个零样本（Zero-Shot）语音合成系统，使用分解编解码器和扩散模型生成自然语音

NaturalSpeech 3旨在通过分解语音的不同属性（如内容、韵律、音色和声学细节）并分别生成它们来提高语音合成的质量、相似性和韵律。该系统设计了一个神经编解码器，使用分解的向量量化（FVQ）来解耦语音波形，并提出了一个分解的扩散模型来根据相应的提示生成每个子空间的属性。

多语言高质量文本转语音库

MeloTTS是由MyShell.ai开发的多语言文本转语音库，支持英语、西班牙语、法语、中文、日语和韩语。它能够实现实时CPU推理，适用于多种场景，并且对开源社区开放，欢迎贡献。

一键生成带字幕和配音的视频翻译工具

VideoTrans是一款免费开源的视频翻译配音工具。它可以一键识别视频字幕、翻译成其他语言、进行多种语音合成,最终输出带字幕和配音的目标语言视频。该软件使用简单,支持多种翻译和配音引擎,能大幅提高视频翻译的效率。

亚马逊的大规模语音合成模型

BASE TTS是亚马逊开发的大规模文本到语音合成模型,运用了10亿参数的自动回归转换器,可将文本转换成语音代码,再通过卷积解码器生成语音波形。该模型使用了超过10万小时的公共语音数据进行训练,实现了语音自然度的新状态。还具有音素解离和压缩等新颖的语音编码技术。随着模型规模的增大,BASE TTS展现出了处理复杂句子的自然语调能力。

AI智能创作平台

XMetaverso CREAkey是一个AI智能创作平台，提供多种功能，包括生成文章、改进内容、博客写作、广告创作、语音合成等。用户可以通过AI生成各种内容，满足不同的写作需求。平台简单易用，可应用于广告、博客、社交媒体等场景。定价详见官方网站。

Stability AI 高保真文本转语音模型

Stability AI 高保真文本转语音模型旨在提供对大规模数据集进行训练的语音合成模型的自然语言引导。它通过标注不同的说话者身份、风格和录音条件来进行自然语言引导。然后将此方法应用于45000小时的数据集，用于训练语音语言模型。此外，该模型提出了提高音频保真度的简单方法，尽管完全依赖于发现的数据，但在很大程度上表现出色。

支付宝春节新玩法,结合AI技术创新传统年俗

支付宝在2024年春节推出了4大AI新玩法,包括「飙戏小剧场」、「会说话红包」、「时空照相馆」、「大家来找福」,将AI技术与传统年俗结合,通过AI换脸、语音合成等技术,让用户可以参与互动、体验虚拟场景,丰富年节氛围,增添节日乐趣。这些玩法可通过支付宝APP参与,操作简单、乐趣多。

由人工智能驱动的一站式语音翻译、音色定制、配音等音视频服务

米可智能是由人工智能驱动的一站式语音翻译、音色定制、配音等音视频服务。它通过 AI 技术将复杂操作极致简化，提高工作效率超过 90%。功能包括语音翻译，将音视频的语音翻译为其他语言的语音，全流程 AI 驱动，精准度超过 98%；音色定制，定制个性化的音色，用于语音翻译、配音等功能；语音合成，将文字转为自然生动的语音。产品定价合理，使用场景广泛，适用于跨境市场营销、教育、媒体等领域。

啤啤熊是一个提供AI应用和服务的平台

啤啤熊是一个为用户提供全面AI应用和服务的平台。该平台集成了各类高效、易用的AI工具,可以帮助用户提高工作和生活效率。平台提供语音识别、语音合成、文本生成、图像处理等AI功能模块。用户可以通过简单配置,无需编程就可以构建自己需要的AI应用。平台采用免费使用模式,提供开放易用的AI能力,降低用户使用AI的门槛。

生成真实 AI 语音

Gotalk.ai 是一个强大的 AI 语音生成器，能够在几分钟内创建逼真的语音。完美适用于 YouTube、播客和电话系统问候语。通过先进的 AI 算法和深度学习技术，体验自然语音合成。我们的平台提供先进的 AI 语音合成，是寻找创新高效语音生成工具的专业人士的首选解决方案。

开源文本转语音系统

Whisper Speech是一款完全开源的文本转语音模型，由Collabora和Lion在Juwels超级计算机上训练。它支持多种语言和多种形式的输入，包括Node.js、Python、Elixir、HTTP、Cog和Docker。该模型的优势在于高效的语音合成和灵活的部署方式。定价方面，Whisper Speech完全免费。它定位于为开发者和研究人员提供一个强大的、可定制的文本转语音解决方案。

AI驱动的长篇写作聊天机器人

AlphaWriter是一款AI驱动的聊天机器人，专为长篇写作而设计。它适用于SEO优化文案撰写、博客文章创作、大学论文写作、新闻稿起草、销售内容等多种场景。其独有的AI技术确保生成高质量内容，贴近人类写作风格。支持多种语言，从英语到西班牙语，法语到中文，AlphaWriter都能满足您的语言选择需求。

学术写作AI助手

Paperpal以AI为驱动，结合扎实的学术出版经验，实时提供准确且具学术性的语言建议。支持深度语言语法检查、用词与措辞建议、一致性纠错等多种编辑选择，一键润色。提供多达八类自定义生成体裁，为拟写提纲、编写沟通文书、提炼研究亮点提供思路。可按需以美式英语/英式英语编辑稿件，设置深度修改/基础修改，以达期刊语言要求。功能设计覆盖写作、改稿、投稿等诸多步骤，结合期刊审核特性与中文写作者习惯，提供语言与技术的双重辅助。

LinkAI提供智能对话、绘画等AI能力

LinkAI是一个提供智能对话、绘画等AI产品和解决方案的科技公司。我们的核心产品包括:1) 智能对话,利用大模型技术,实现人机自然语言交互,可用于客服问答、知识库问答等业务场景;2) AI绘画,利用生成对抗网络等技术,实现用户语言描述到图像生成,可用于创意设计、游戏绘画等场景;3) AI应用创建,通过无代码方式,快速构建包含智能对话、语音合成等AI能力的应用。我们致力于用AI赋能客户,提升工作生产力,为用户带来简单高效的交互体验。

真实的文本转语音技术

Crikk是一款价格实惠的强大文本转语音工具，支持56种语言，提供真实的语音合成技术。无论是用于语音播报、有声书还是教育，Crikk都能为用户提供高质量的声音合成。用户可以选择免费试用或者采用月费20美元的专业版，月额度为500,000个字符，拥有6种不同的声音和56种语言。此外，Crikk还将推出移动应用，实现图片或PDF的文字转语音。Monster Incorporation Inc.位于Delaware，United States。

从音频生成照片般逼真的人类avatar

audio2photoreal是一个从音频生成照片级逼真avatar的开源项目。它包含了一个pytorch实现,可以从音频中合成交谈中的人类形象。该项目提供了训练代码、测试代码、预训练的运动模型以及数据集访问。它的模型包括人脸扩散模型、人体扩散模型、人体VQ VAE模型和人体引导变换器模型。该项目让研究人员和开发者能够训练自己的模型,并基于语音合成高质量的逼真avatar。

雷鸟自主研发的AI语音助手

RayNeo AI是雷鸟自主研发的人工智能语音助手,集成了自然语言处理、语音识别、语音合成等核心技术,可实现自然语言交互、语音控制等功能。该产品已在雷鸟XR系列产品中进行内测,支持行程规划、天气查询、百科知识问答等服务,提升了产品的智能化水平。下一步,RayNeo AI计划推出视觉识别等多模态交互能力,实现更丰富的人机交互体验。

构建你的聊天机器人

Botticelli是一个开源的.NET Core框架，用于构建自己的通用聊天机器人，集成了数据库、队列代理、语音引擎和AI引擎，如GPT-3和ChatGPT。Botticelli跨平台、可靠、易于使用、易于部署，支持Docker，易于与数据库、AI解决方案、语音合成器和队列代理集成，可用于高负载系统的调度。