产品库

音频驱动全身视频配音平台，支持稀疏帧控制和长序列图像到视频生成。

InfiniteTalk AI是一种先进的音频驱动视频生成模型，能够实现唇部同步和全身动画，超越传统配音。其主要优点包括稀疏帧控制、长序列图像到视频转换以及保留身份和镜头运动等功能。

免费开源的视频翻译配音工具

视频翻译配音是一个免费开源的视频翻译和配音工具,支持多种翻译引擎,可以将视频字幕翻译成多种语言,并生成自然的语音配音,操作简单方便。

为文本到视频扩散模型添加稀疏控制

SparseCtrl是为了增强对文本到视频生成的控制性而开发的，它能够灵活地结合稀疏信号进行结构控制，只需一个或少量输入。它包括一个额外的条件编码器来处理这些稀疏信号，同时不影响预训练的文本到视频模型。该方法兼容各种形式，包括素描、深度和RGB图像，为视频生成提供更实用的控制，并推动故事板、深度渲染、关键帧动画和插值等应用。大量实验证明了SparseCtrl在原始和个性化文本到视频生成器上的泛化能力。

在线AI配音，将视频和音频本地化为任何语言

AI Dubbing Online是一项利用人工智能技术进行视频和音频配音的服务。它通过精确的声音同步和情感表达，帮助用户将内容本地化为100多种语言，扩大全球观众群体。这项技术的重要性在于它能够以高达95%的准确率提供无与伦比的配音质量，使用先进的自然语言处理技术来分析和配音，从而扩大观众覆盖范围。AI Dubbing Online被行业领导者和超过100万用户所信赖，它不仅是一个配音工具，还提供了一个全方位的解决方案，包括转录、字幕生成等，为整个本地化工作流程节省了时间和精力。

AI 驱动的内容创作服务，支持 56 种语言的音频和视频本地化与配音。

Krillin AI 是一个强大的内容创作服务平台，专注于音频和视频的本地化与配音。它利用最先进的技术提高字幕的准确性和翻译质量，适合全球市场的多语言需求。该平台支持多种语言的翻译，自动过滤多余的填充词，旨在提供清晰、专业的字幕体验。Krillin AI 提供免费试用，让用户能够体验其强大功能。

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。

专业AI配音平台，让声音创造无限可能。

刺鸟配音是一款提供在线配音服务的网站，支持多种音视频工具，包括智能写作、文案提取、音频剪辑等，帮助用户快速制作出专业级别的配音内容。该平台拥有丰富的配音资源和实用的辅助工具，适合视频创作者、广告制作者等专业人士使用，提高工作效率，创造更多价值。

AI视频配音工具

DubWiz是一款基于AI技术的视频翻译和配音服务，能够快速准确地将视频转录、翻译并生成逼真的配音。它提供简单易用的用户界面，支持准确的语音转文本、自定义词典、神经机器翻译以及多语种语音合成。无需专业翻译和编辑技能，轻松将视频本地化到你的母语。

人形机器人多功能神经全身控制器

HOVER是一个针对人形机器人的多功能神经全身控制器，它通过模仿全身运动来提供通用的运动技能，学习多种全身控制模式。HOVER通过多模式策略蒸馏框架将不同的控制模式整合到一个统一的策略中，实现了在不同控制模式之间的无缝切换，同时保留了每种模式的独特优势。这种控制器提高了人形机器人在多种模式下的控制效率和灵活性，为未来的机器人应用提供了一个健壮且可扩展的解决方案。

视频翻译和配音工具

Dubly.io是一款强大的视频翻译和配音工具，利用先进的人工智能技术，帮助您将视频提升到一个新的水平。支持多种语言，快速高效的处理时间，API集成，灵活的计划和价格。

视频配音应用，支持多语言配音

ElevenLabs Video Dubbing Application 是一个用户友好的界面，用于使用 ElevenLabs API 配音视频。该应用允许用户上传视频文件或提供视频网址（来自 YouTube、TikTok、Twitter 或 Vimeo 等平台），并将其配音成各种语言。应用使用 Gradio 提供易于使用的 Web 界面。

为YouTube视频提供快速AI配音

Fast AI Dubbing for YouTube是一个提供快速AI配音的在线工具。它可以将文本转化为自然流畅的人声，并将其应用到YouTube视频中，为视频添加高质量的配音。它的优势包括高效快速、音质出色、无需录制人声、可自定义配音风格等。定价方面，可根据配音时长进行计费。Fast AI Dubbing for YouTube定位于帮助YouTuber、视频创作者以及企业用户提升视频质量，节省配音时间和成本。

多语言AI配音平台，3步即可创建或配音视频

UniDub是一个多语言AI配音平台，通过简单的3步操作，可以创建或配音40多种语言的视频。它具有成本效益高、表达力强、制作快速的优势。UniDub支持自定义配音风格、背景音乐，并提供了多种使用场景，包括配音视频、制作动画视频、自定义声音、创建有声书等。你可以根据需要选择不同的功能点来满足不同的需求。

音频驱动的视频编辑，实现高质量唇形同步

VideoReTalking是一个新的系统，可以根据输入的音频编辑真实世界的说话头部视频的面部，产生高质量的唇形同步输出视频，即使情感不同。该系统将此目标分解为三个连续的任务：（1）使用表情编辑网络生成带有规范表情的面部视频；（2）音频驱动的唇形同步；（3）用于提高照片逼真度的面部增强。给定一个说话头部视频，我们首先使用表情编辑网络根据相同的表情模板修改每个帧的表情，从而得到具有规范表情的视频。然后将该视频与给定的音频一起输入到唇形同步网络中，生成唇形同步视频。最后，我们通过一个身份感知的面部增强网络和后处理来提高合成面部的照片逼真度。我们对所有三个步骤使用基于学习的方法，所有模块都可以在顺序管道中处理，无需任何用户干预。

AI视频配音 | FolkTalk

FolkTalk是一款全面多语言的AI视频配音产品，能够帮助您在印度和世界其他地区的观众中传播您的影片。FolkTalk提供强大的语音合成技术，能够将视频中的对话自动翻译和配音成多种语言，为您节省时间和资源。无论您是制作宣传片、教育视频还是娱乐内容，FolkTalk都能满足您的需求。具体定价信息请访问官方网站了解。

在线视频配音平台

Dubverse是一个在线视频配音平台。Dubverse使用人工智能技术，在30种语言中为视频配音，速度快如闪电。

这是一个基于HunyuanVideo模型的适配器，用于基于关键帧的视频生成。

HunyuanVideo Keyframe Control Lora 是一个针对HunyuanVideo T2V模型的适配器，专注于关键帧视频生成。它通过修改输入嵌入层以有效整合关键帧信息，并应用低秩适配（LoRA）技术优化线性层和卷积输入层，从而实现高效微调。该模型允许用户通过定义关键帧精确控制生成视频的起始和结束帧，确保生成内容与指定关键帧无缝衔接，增强视频连贯性和叙事性。它在视频生成领域具有重要应用价值，尤其在需要精确控制视频内容的场景中表现出色。

YouTube自动配音功能，打破语言障碍。

YouTube自动配音功能是一项旨在消除语言障碍的技术，它通过自动将视频配音转换成不同语言，使得全球用户能够无障碍地享受来自世界各地的内容。这项技术特别适用于教育、信息分享以及文化交流等领域，它不仅提高了视频的可访问性，还促进了全球创作者和观众之间的互动。YouTube自动配音目前对YouTube合作伙伴计划中的数十万频道开放，并计划很快扩展到其他类型的内容。

利用多指令视频到音频合成技术

Draw an Audio是一个创新的视频到音频合成技术，它通过多指令控制，能够根据视频内容生成高质量的同步音频。这项技术不仅提升了音频生成的可控性和灵活性，还能够在多阶段产生混合音频，展现出更广泛的实际应用潜力。

3D高斯全身动态表情模型

ExAvatar是一种新型的3D全身动态表情模型，它结合了SMPL-X的全身驱动能力和3DGS的强外观建模能力。通过简单的手机扫描即可创建，支持各种姿势和表情的动画渲染。ExAvatar的混合表示方法提高了面部表情的自然度，减少了新表情和姿势的伪影，并且使模型与SMPL-X的面部表情空间完全兼容。

音频驱动的表情丰富的视频生成模型

MEMO是一个先进的开放权重模型，用于音频驱动的说话视频生成。该模型通过记忆引导的时间模块和情感感知的音频模块，增强了长期身份一致性和运动平滑性，同时通过检测音频中的情感来细化面部表情，生成身份一致且富有表情的说话视频。MEMO的主要优点包括更真实的视频生成、更好的音频-唇形同步、身份一致性和表情情感对齐。该技术背景信息显示，MEMO在多种图像和音频类型中生成更真实的说话视频，超越了现有的最先进方法。

视频重制，精确控制内容与运动

ReVideo是一个创新的视频编辑技术，它允许用户在特定区域进行精确的视频编辑，通过指定内容和运动来实现。这项技术通过修改第一帧来实现内容编辑，而基于轨迹的运动控制提供了直观的用户交互体验。ReVideo解决了内容和运动控制之间耦合和训练不平衡的新任务。通过开发三阶段训练策略，逐步从粗到细解耦这两方面，并提出一种时空自适应融合模块，以在不同的采样步骤和空间位置整合内容和运动控制。

AI视频配音与文本转视频应用

AI视频配音与文本转视频应用是一个完美的工具，适用于内容创作者、营销人员、制作公司和企业。使用我们真实、类似人类的AI声音和动画AI角色，为您现有的视频配音，支持40种自然语言，或通过文本创作视频。快速、准确的翻译、嘴型同步功能为您提供与工作室相似的品质。定价灵活、快速、经济实惠。

在线文本转语音平台，AI配音神器。

TTSMaker是一款在线的文本转语音平台，通过AI人工智能算法将文本轻松转换成音频。它支持50多种语言和300多个语音包风格，适用于视频配音、有声读物、教育培训和产品营销等多种场景。用户可以免费使用TTSMaker合成语音，并且拥有合成的音频文件的100%版权，可以用于任何合法的商业用途。

AI语音配音和视频翻译服务

TranslateTracks是一款AI语音配音和视频翻译服务，使用先进的人工智能技术，以更低的成本为您的内容全球化。我们提供经过专家验证的高质量配音，确保准确度和无缝的口型同步。

AI驱动的视频和音频转录工具

AudioTranscription是一款使用人工智能技术进行音频和视频文件转录的工具。它提供快速、安全、准确的转录服务。用户可以通过上传文件或输入音频链接来进行转录。该产品的优势在于转录速度快、准确度高，并且能够处理非母语口音。它还能够识别并标点符号，包括在句子中间改变思路的省略号。AudioTranscription.ai比其他工具更快速地生成转录，并且表现更好。定价方面，用户可以免费获得100分钟的转录服务。

大规模视频自动配音数据集

ANIM-400K是一个包含超过425,000个对齐的日语和英语动画视频片段的综合数据集，支持自动配音、同声翻译、视频摘要、流派/主题/风格分类等各种视频相关任务。该数据集公开用于研究目的。

AI视频多语言配音服务

Speax AI提供快速、准确的AI视频配音服务，支持29种以上语言的即时翻译和配音。它通过先进的AI技术确保声音同步和文化准确性，同时提供具有竞争力的价格。

AI语音配音与视频翻译软件

Papercup是一款下一代AI语音配音服务，能够自动进行视频翻译。现在，您可以用一种听起来像真人的配音将视频本地化到多种语言，并且可以扩大规模。

利用预训练的图像到视频扩散模型生成连贯中间帧

该产品是一个图像到视频的扩散模型，通过轻量级的微调技术，能够从一对关键帧生成具有连贯运动的连续视频序列。这种方法特别适用于需要在两个静态图像之间生成平滑过渡动画的场景，如动画制作、视频编辑等。它利用了大规模图像到视频扩散模型的强大能力，通过微调使其能够预测两个关键帧之间的视频，从而实现前向和后向的一致性。