产品库

轻量快速频率感知扩散声码器

FreGrad是一款轻量快速的频率感知扩散声码器，旨在生成逼真的音频。其框架包括离散小波变换、频率感知扩张卷积和一系列增强模型生成质量的技巧。在实验中，FreGrad相比基准模型，训练速度提升3.7倍，推理速度提升2.2倍，同时模型大小减少0.6倍（仅178万参数），而不牺牲输出质量。

Maidio 是一款将 RSS 新闻内容通过 AI 转化为对话式播客的智能应用。

Maidio 是一款创新的音频内容应用，通过 AI 技术将 RSS 新闻自动转换为生动的对话式播客。它利用先进的自然语言处理技术，将新闻内容以主持人与助手的对话形式呈现，使用户能够以更有趣的方式获取信息。该应用支持多种个性化功能，如创建主题电台、智能优先级排序等，适合喜欢通过音频获取新闻的用户。它支持多平台使用，包括 iPhone、iPad、Mac 等，且完全免费。

麦悠电台，用AI技术将新闻转换为对话形式播报，打造个性化电台体验。

麦悠电台是一款利用AI技术实现新闻播报的APP。它通过智能算法将文字新闻转换为生动的对话形式，让用户在听新闻时有更自然、更有趣的体验。该产品的主要优点是个性化和智能化，用户可以根据自己的兴趣创建多个主题电台，APP会自动对新闻进行重要性分级。此外，它还支持本地和云端两种语音合成方式，以及音频导出功能，方便用户将生成的节目作为播客发布。麦悠电台由Fangtangjun (Chongqing) Technology Co., Ltd.开发，是一款免费的教育类APP，适合对新闻和AI技术感兴趣的用户。

您的终极智能解决方案AI助手。

Hailuo AI是一个智能AI助手，提供聊天、视频和音频等多种交互方式，能够轻松处理长文本上下文，帮助用户解决问题。它以强大的自然语言处理技术和友好的用户体验为特点，旨在为用户提供高效、智能的解决方案。产品定位为面向广大用户的通用AI助手，价格策略未明确说明。

播客分享平台，发现热门播客节目。

PodRedit是一个播客分享平台，用户可以在这里发现和收听各种热门播客节目。该平台汇集了众多优质的播客内容，覆盖了两性杂谈、文化、商业等多个领域，为用户提供了一个便捷的播客收听和分享渠道。PodRedit登录后支持批量识别字幕。PodRedit以其丰富的内容和便捷的用户体验，满足了用户对于高质量音频内容的需求，成为了播客爱好者的重要聚集地。

AI生成播客摘要，不错过任何精彩内容。

PodSnap.AI是一个利用尖端AI技术，为用户提供播客摘要的服务。用户可以通过订阅，将播客的AI生成摘要直接发送到他们的邮箱。这项服务帮助用户节省时间，快速获取播客中的关键信息，特别适合忙碌的专业人士和学习者。产品由拥有15年以上技术行业经验的企业家Dr. Rok Strniša创建，他曾在剑桥大学获得计算机科学博士学位，并在Citrix、Winton和Improbable等知名公司担任重要职位。

Easy With AI是一个集成了50多个不同类别AI工具和资源的平台。

Easy With AI是一个拥有互联网上最大的AI工具和资源收藏的平台。您可以在50多个不同的类别中查找和搜索AI工具。Easy With AI为各种用户提供了便利和丰富的AI工具资源，包括AI写作助手、社交媒体工具、电子邮件工具、AI内容检测工具、客户服务工具、网站建设工具、电子商务工具、图像工具、音频工具、视频工具、音乐生成器、视频生成器、播客工具、演示制作工具、设计工具、直播工具、聊天机器人、语音工具、移动应用、转录工具、会议助手、建筑工具、生产力工具、教育工具、AI Chrome扩展和更多。您可以根据您的需求和兴趣，在Easy With AI上找到适合您的AI工具。

将博客文本转化为引人入胜的音频

ButterReader是一款创新的音频插件，将博客文本转化为引人入胜的音频内容，使学习和信息消费更加顺畅。通过定制播放器，您可以轻松地将文字内容转化为精彩的音频体验。产品具有设计灵活性、声音选择、控制设置等功能，适用于各种使用场景。ButterReader可以让用户在移动设备上无缝播放音频内容，让用户在多任务处理中也能欣赏内容。

快速准确的自动转录服务

Konch是一款出色的自动转录平台，支持30多种语言。它使用先进的AI技术，快速准确地将音频或视频文件转录成文本。用户可以选择完全由AI生成的转录结果，或选择人工审核和修正。Konch还支持将YouTube视频转换为文本，并提供高级编辑功能、多语言翻译、灵活的文本格式导出等特点。用户可以在不同场景下使用Konch，如转录音频或视频、研究转录、数字档案、播客转录等。

统一的多模态生成模型

Unified-IO 2是一个统一的多模态生成模型,能够理解和生成图像、文本、音频和动作。它使用单个编码器-解码器Transformer模型,将不同模式(图像、文本、音频、动作等)的输入和输出都表示为一个共享的语义空间进行处理。该模型从头开始在大规模的多模态预训练语料上进行训练,使用了多模态的去噪目标进行优化。为了学会广泛的技能,该模型还在120个现有数据集上进行微调,这些数据集包含提示和数据增强。Unified-IO 2在GRIT基准测试中达到了最先进的性能,在30多个基准测试中都取得了强劲的结果,包括图像生成和理解、文本理解、视频和音频理解以及机器人操作。

将您的收件箱转变成个性化的每日播客。

Jellypod+是一款将您的电子邮件订阅转化为个人播客的应用程序。它以音频为主要形式，为您忙碌的生活方式生成您每日新闻的简明摘要。Jellypod+的目标是打破传统媒体的“一刀切”模式，为您量身定制新闻，符合您独特的兴趣爱好。该应用程序还包括内置的电子邮件阅读器和简报转发功能，让您可以在不离开应用的情况下查看简报的详情，并自动将入站简报转发到您的个人收件箱。此外，Jellypod+还提供可调节的播放速度、多种不同的播音员选择、离线模式、定制播客生成计划、多个每日播客主题组织、无广告体验以及注重隐私的邮箱地址保护等功能。

Read为用户生成个性化的每日新闻音频简报

Read是一个新闻音频生成平台。它可以自动搜集用户感兴趣的内容,生成个性化的每日音频新闻简报,帮助用户高效获取所需信息。该产品拥有人工智能生成的自然语音功能,支持邮件订阅,提供个性化推荐,功能强大。适合需要每日了解所关心事件和新闻的用户。

视频音频全流程再利用

GlossAi是一款全流程视频和音频内容再利用工具，可将长篇内容转化为适用于各种社交媒体平台的短视频片段，提高用户参与度，降低成本，节省时间。同时，它还能生成多渠道的数字和有机营销活动。

在线音频母带处理

eMastered是由葛莱美奖得主工程师打造的在线音频母带处理工具。它使用人工智能技术，快速、简单地提升音频质量。用户可以上传音轨并自动应用专业的EQ、压缩等处理，获得高质量的音频母带。eMastered提供免费试用和付费订阅两种方式，适用于音乐制作人、制作公司等各类用户。

原生音频娱乐平台

Jamit是全球首个Podcast 3.0平台，提供分布式托管、全球覆盖、互动奖励和独特NFT体验等功能。用户可以在Jamit上发现和聆听不同领域的故事，创建并发展自己的社区，并享受作为Jamit创作者和所有者的独立性。

精准的 AI 视频字幕识别和字幕翻译软件

33 字幕是一款精准的 AI 视频字幕识别和字幕翻译软件。它可以将音频、视频转换成文本或 SRT 字幕文件，并支持字幕翻译成其他语言。它使用优化后的 Whisper AI 语音转写模型，准确度接近人类水平。集成多种 AI 翻译引擎，支持 ChatGPT、DeepL、微软、百度等翻译接口。它还提供高效易用的可视化字幕编辑器，支持字幕摘要和预提取人声功能。33 字幕支持英语、日语、韩语、法语、泰语等 50 多种语言。

AI字幕生成器

TinyStudio是一款免费的Mac应用程序，利用M1/M2芯片的强大性能提供快速高效的字幕生成服务。用户可以一键生成视频和音频文件的字幕，无需任何技术专业知识。同时，TinyStudio采用OpenAI的Whisper技术，可在本地处理数据而无需联网。该应用程序还支持字幕导入和导出，提供基于规则的校正系统以确保准确性和可靠性。TinyStudio具有用户友好的界面，易于使用，适用于提高Vlogger、营销人员和社交媒体爱好者的效率。TinyStudio是一款非常有效的视频编辑工具，适用于Vlogger、营销人员和社交媒体爱好者。立即下载TinyStudio，体验免费、快速、强大的字幕工具！

3D重建房间的新视角声学合成

NVAS3d是一个用于估计包含多个未知声源的场景中任何位置的声音的项目，通过使用多个麦克风的音频录音和场景的3D几何和材料，实现了新视角声学合成。

SALMONN: 语音音频语言音乐开放神经网络

SALMONN是由清华大学电子工程系和字节跳动开发的大型语言模型（LLM），支持语音、音频事件和音乐输入。与仅支持语音或音频事件输入的模型不同，SALMONN可以感知和理解各种音频输入，从而获得多语言语音识别和翻译以及音频-语音共推理等新兴能力。这可以被视为给予LLM“听觉”和认知听觉能力，使SALMONN成为通向具有听觉能力的人工通用智能的一步。

AI 定制播客

Bespoke 是一个 AI 生成的定制播客服务，为你提供完美贴合你日常的定制播客。点击一次生成一个定制播客，让你随时随地获得你想听的内容。加入等待名单，体验更多的定制化功能和更多的播客选择！

自然对话生成语音AI

Speaking AI是一款使用先进的大语言模型技术实现的文本到语音转换工具，能够以自然的情感进行对话并实现零样本语音克隆。它可以捕捉你独特的音调、音高和调节，让你以前所未有的方式复制和利用自己的声音。Speaking AI通过先进的技术实现了声音克隆的突破，让语音克隆听起来更加自然。使用Speaking AI，你可以通过录制自己的声音，在短短10秒钟内进行克隆。我们致力于将最先进的AI技术用于推动人类进步，特别是在促进语音克隆技术的发展和应用方面。

超逼真AI语音生成器

Fluxon是一个超逼真的AI语音生成器，可以将文本转化为任何语言的超逼真声音。它可以在不到10分钟的示例音频中克隆任何声音。您可以在同一个音频文件中使用多个声音创建对话。还可以通过训练自定义声音来合成单一声音，创建嘴唇同步视频。Fluxon提供了REST API，可以将AI语音生成集成到您的应用程序中。它可以用于各种用途，如为营销和演示视频添加专业和逼真的配音，从文本生成清晰高质量的有声书，为NPC生成逼真的人声，为内容创建专业翻译，为聊天机器人创建更自然的声音，将任何文本内容自动转化为播客等。

音频内容创作的未来

Koolio.ai是一个音频内容创作平台，帮助用户在几分钟内将概念变成完整的内容。我们提供简单易用、直观的界面，让用户专注于创作。无论是音频转录、与他人协作、根据内容自动选择音效或音乐来增强您的内容，还是轻松进行音频操作和处理，Koolio.ai都可以让您轻松制作高质量的内容。

AI多模态数据绑定

ImageBind是一种新的AI模型，能够同时绑定六种感官模态的数据，无需显式监督。通过识别这些模态之间的关系（图像和视频、音频、文本、深度、热成像和惯性测量单元（IMUs）），这一突破有助于推动AI发展，使机器能够更好地分析多种不同形式的信息。探索演示以了解ImageBind在图像、音频和文本模态上的能力。

即时创建自然的声音音频

Acoust是一款强大的文本转语音（TTS）服务，使用最新的AI技术生成自然的声音音频。它提供30多种语言的200多种语音，并允许用户以MP3、WAV和OGG格式下载音频文件。使用Acoust，您可以为视频创建专业的配音，讲述有声读物，并增强培训材料。该服务快速、价格实惠、易于使用。

超逼真AI语音生成

Voxify是一款超逼真的AI语音生成工具，使用先进的人工智能技术，能够在几分钟内创建出真实、自然的语音合成。支持超过140种语言和口音，并且还可以添加情感效果。我们提供高质量、多语言支持、快速交付、可定制的语音合成服务，价格合理，是最便宜的AI语音生成工具。

将您的播客、视频和会议转录。

Transcript.LOL是一个在线转录工具，可以帮助用户将音频、视频和会议记录转录成文字。它提供自动转录功能，支持1500多个平台，包括YouTube、TikTok和Podcast等。用户可以使用它来提取关键点、整理笔记、搜索内容和加快学习和生产力。