产品库

实时交互流式数字人技术，实现音视频同步对话。

metahuman-stream是一个开源的实时交互数字人模型项目，它通过先进的技术实现数字人与用户的音视频同步对话，具有商业应用潜力。该项目支持多种数字人模型，包括ernerf、musetalk、wav2lip等，并且具有声音克隆、数字人说话被打断、全身视频拼接等功能。

统一音视频同步的面部表演者生成

ReSyncer是一个创新的框架，致力于通过先进的风格注入Transformer技术，实现音频与视频的高效同步。它不仅能够生成高保真的唇形同步视频，还支持快速个性化微调、视频驱动的唇形同步、说话风格的转换，甚至面部交换等特性。这些功能对于创建虚拟主持人和表演者至关重要，能够显著提升视频内容的自然度和真实感。

AI音视频聊天机器人

Context是一款AI音视频聊天机器人，通过语音和视频进行沟通，具备智能回答问题、情感识别、语音合成等功能。它可以用于在线客服、虚拟助手、教育辅助等场景。定价根据使用量计费。

GPU加速AI SDK，提升实时音视频质量

NVIDIA Maxine是一套GPU加速的AI SDK，通过人工智能技术提升实时音频、视频和增强现实效果的质量。Maxine的先进模型可以在标准麦克风和摄像头设备上实现高质量的效果。Maxine可在本地、云端或边缘部署。定价请咨询官方网站。

怪兽智能科技推出的AI数字人产品，提供全息交互数字人、3D超写实交互数字人，AIGC生产、SaaS管理和直播服务平台

怪兽AI数字人是怪兽智能科技推出的产品，旨在通过AI技术提供数字人克隆、短视频生成、直播解决方案等服务。产品包括真人形象克隆、声音克隆、孪生姿态合成等核心技术，支持短视频内容生产创作及直播宣传，适用于品牌商家及本地生活商家。

视频到音乐生成框架，实现音视频内容的语义对齐和节奏同步。

MuVi是一个创新的框架，它通过分析视频内容提取与上下文和时间相关的特征，生成与视频情绪、主题、节奏和节奏相匹配的音乐。该框架引入了对比性音乐-视觉预训练方案，确保音乐短语的周期性同步，并展示了基于流匹配的音乐生成器具有上下文学习能力，允许控制生成音乐的风格和类型。MuVi在音频质量和时间同步方面展现出优越的性能，为音视频内容的融合和沉浸式体验提供了新的解决方案。

AI一键总结，节省时间

BibiGPT · AI 音视频助理是一款智能插件，支持B站、油管、小红书、抖音、推特、小宇宙、苹果播客、谷歌播客、本地视频、本地音频、微信公众号等任意网页链接。通过输入链接，即可获得AI一键总结、思维导图、字幕列表、AI改写图文、AI对话追问、热门视频总结等功能。帮助用户快速获取音视频内容的核心信息。

基于Google Veo 3视频技术的AI视频生成器，通过文字或图片生成电影级视频，实现同步音视频，体验谷歌最先进的视频生成模型。

Veo 3 AI视频生成器是基于Google Veo 3视频技术的先进产品，采用最先进的视频AI模型技术，实现同步音频、自然运动和电影级输出。其主要优点在于高质量视频输出、智能场景理解和逼真运动模拟。Veo 3 AI定位于提供快速原型设计和高质量内容生成。

AI数字人口型同步技术，无限多开贴牌OEM解决方案

小狐狸AI数字人分身系统是一款结合了人工智能技术的数字人口型同步产品，支持无限多开和贴牌OEM，适用于需要虚拟形象进行口型同步互动的场景。该产品背景基于人工智能技术的发展，特别是在虚拟主播和在线教育领域的应用需求日益增长。产品价格为3580元，定位于中高端市场，主要优点包括完全开源、支持自主二次开发和定制二次开发，以及免费搭建服务。

AI音视频生成工具

LuDe是一款基于人工智能的音视频生成工具，可以通过提供的音频或文本内容快速创建视频。它具有智能转写、视频背景更换和视频生成等功能。LuDe可以帮助用户轻松创建各种类型的视频，如YT Shorts和Insta Reels。它简化了视频制作的流程，节省了时间和精力。

全球技术领先的AI数字人创作平台，快速复刻形象和声音，高效创作视频。

飞影数字人是上海灵之宇技术有限公司开发的AI数字人创作平台。该平台利用先进的AI技术，能够快速复刻用户的形象和声音，并生成逼真的数字人视频。其主要优点包括操作简便、生成速度快、效果逼真。该产品适用于多种场景，如口播短视频、电商直播、自媒体、广告营销和品牌宣传等，能够显著降低制作成本和时间。目前平台提供免费试用，具体价格需咨询官方。

提取音视频内容的洞见

Steno AI是一款基于人工智能的工具，帮助专业人士获取有价值的信息，追踪品牌，研究竞争对手，了解公众意见。它具有AI生成的智能技术，能够将音频和视频内容转化为有用的洞见和摘要。使用Steno AI，您可以轻松提取各种Podcast和YouTube等内容中的关键见解。此外，Steno AI还有一个庞大的专有数据集，拥有4900万小时的内容和数十万个文本转录。Steno AI以其高效的提取和整理信息的能力，帮助用户更好地理解行业动态，追踪品牌发展，进行竞争分析等。

提供一站式音视频云服务平台

萤石开放平台基于萤石云智能视频技术,提供一站式音视频设备云接入、视频存储、视频处理、视频分发等服务,覆盖从设备端到应用端的全流程服务,支持多场景的音视频需求。平台支持设备云规模化接入,提供低成本、便捷、可靠的全球视频云基础设施服务;支持丰富的视频云能力开放,助力众多行业用户实现业务创新。

为视频生成同步音轨的先进技术

视频到音频(V2A)技术是DeepMind公司的一项创新，它结合了视频像素与自然语言文本提示，生成与屏幕上动作同步的丰富音景。这项技术可以与视频生成模型如Veo相结合，为视频生成戏剧性配乐、逼真的音效或与视频角色和基调相匹配的对话。它还能为传统素材生成音轨，包括档案材料、无声电影等，开拓了更广泛的创作机会。

快速转录音视频并添加字幕

ScriptMe是一款快速、简单、安全的音视频转录工具，利用人工智能的力量和出色的编辑和导出工具，自动化转录过程，让您可以专注于重要事项。支持31种语言，提供定制化的字幕编辑功能，并支持多种文件格式导出。ScriptMe让转录、字幕和翻译变得更加高效。

国内领先的AI数字人口播视频在线创作平台

闪剪是一款 AI 数字人视频生成工具，用户可以定制自己的数字人，只需输入文字即可生成口播视频。 闪剪具备形象、声音克隆；链接成片以及直播切片等功能，手机端和网页端通用。

一站式AI数字人系统，支持视频合成、声音合成、声音克隆。

AIGCPanel是一个简单易用的一站式AI数字人系统，小白也可使用。支持视频合成、声音合成、声音克隆，简化本地模型管理、一键导入和使用AI模型。产品背景信息显示，AIGCPanel旨在通过集成多种AI功能，提升数字人素材管理的效率，降低技术门槛，使非专业人士也能轻松管理和使用AI数字人。产品基于AGPL-3.0开源，完全免费，可以直接使用。

实时语音交互数字人，支持端到端语音方案

VideoChat是一个实时语音交互数字人项目，支持端到端语音方案（GLM-4-Voice - THG）和级联方案（ASR-LLM-TTS-THG）。用户可以自定义数字人的形象和音色，支持音色克隆，无需训练，首包延迟低至3秒。该项目利用了最新的人工智能技术，包括自动语音识别（ASR）、大型语言模型（LLM）、端到端多模态大型语言模型（MLLM）、文本到语音（TTS）和说话头生成（THG），为用户提供了一个高度定制化和低延迟的交互体验。

精准识别音视频转文本或SRT字幕

33字幕是一款桌面端精准识别音视频转文字或SRT字幕的软件,支持50多种语言识别和翻译,翻译支持DeepL和ChatGPT,可搜索和编辑字幕,支持批量处理,还可以一键剪切口播和播客。

AI数字人智能交互平台

DUIX是一个开源的AI数字人智能交互平台，由硅基智能打造。它允许开发者接入多种大模型和语音能力，实现数字人实时交互，并支持在Android和iOS多终端一键部署。DUIX适用于多种场景，包括地铁、银行、政务等，具有低成本快速部署、小网络依赖和功能多样化的特点。

AI音视频转录与总结工具，提升学习和工作效率。

Ai好记是一款专注于音视频内容处理的AI工具，通过先进的技术将音视频转录为文字、生成翻译、总结等内容。它能够帮助用户高效地处理和吸收音视频信息，节省时间并提升学习和工作效率。该产品适用于多种场景，如学习、工作、内容创作等，具有较高的实用性和便捷性。目前尚不清楚具体价格和详细定位信息。

AI视频,短视频,创作视频,多语言视频,AI视频创作视频,虚拟人物视频,口播视频

KreadoAI 是一款强大的 AI 视频生成工具，允许用户通过文本、图片、PPT等内容快速创建专业级视频。该平台提供 700 多种 AI 数字化身，支持 140 多种语言的 1600 多种 AI 语音，并集成了 DeepSeek AI，增强了内容创作的智能化体验。KreadoAI 致力于帮助企业、营销人员、教育机构和个人高效生成视频内容，同时提供简单易用的编辑工具，优化成本、时间和质量。

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。

将音频流转换为面部表情，实现实时唇形同步和面部表演。

Audio-to-Face 是 NVIDIA NIM 提供的一项技术，能够将音频流实时转换为面部表情，用于唇形同步和面部表演。这项技术主要应用于数字人领域，通过先进的机器学习算法，实现高度逼真的面部动作生成。它不仅能够提升数字人物的自然度和真实感，还能够在游戏、电影制作、虚拟现实等领域提供强大的支持。

数字人短视频营销神器

万兴播爆是 A 股上市公司万兴科技旗下的 AIGC 产品，为您提供 AI 数字人定制服务。只需简单输入关键词，即可轻松生成真人营销视频。万兴播爆拥有上百套专业级模板，涵盖各种场景视频需求，是您出海视频营销的一站式神器。它支持 AI 智能脚本生成，文本转语音，拥有 150 + 免版权多国籍数字人，120 + 标准语言声音，180 + 专业级模板，免版权音乐资源库，海量视频创作素材，1080P 高清视频导出等功能。万兴播爆可广泛应用于家居生活、企业宣传、打折促销、美妆护肤、产品介绍等场景。

AI 数字人视频创作平台

蝉镜是一个在线数字人视频创作平台，利用 AI 简化视频创作过程，提供 AI 数字人播报、短视频制作、分身定制等服务。广告营销、跨境电商、短视频口播等领域的用户可以在此提升创作效率、降低成本。

基于音频条件的潜在扩散模型的唇部同步框架

LatentSync 是由字节跳动开发的一款基于音频条件的潜在扩散模型的唇部同步框架。它能够直接利用 Stable Diffusion 的强大能力，无需任何中间运动表示，即可建模复杂的音视频关联。该框架通过提出的时间表示对齐（TREPA）技术，有效提升了生成视频帧的时间一致性，同时保持了唇部同步的准确性。该技术在视频制作、虚拟主播、动画制作等领域具有重要应用价值，能够显著提高制作效率，降低人工成本，为用户带来更加逼真、自然的视听体验。LatentSync 的开源特性也使其能够被广泛应用于学术研究和工业实践，推动相关技术的发展和创新。

基于AI技术的智能娱乐办公助手，提供音视频转文字、文稿编辑、翻译等多功能服务

悦录是一款依托同花顺智能语音和自然语言处理技术开发的智能办公助手。它通过高效的转文字功能，帮助用户快速将音视频内容转化为文字，极大地提升了办公效率。产品支持多语种识别，准确率高，能满足不同场景下的需求。其背景是基于现代办公中对高效记录和信息整理的需求，旨在解放白领和学生群体，激发创造力。目前产品提供免费服务，定位为智能办公领域的创新工具。

专业的AI数字人平台，定制数字人专属IP，创造无限商业价值

怪兽智能全息舱是一个专业的AI数字人平台，致力于通过融合唤醒、语音识别、自然语音理解、虚拟人合成等AI核心技术，为用户提供多模态互动、业务办理、问题咨询、资讯播放、服务导览等服务。该平台提供智能硬件，包括业内领先的智能全息屏，以及虚拟人制作服务，帮助用户快速构建虚拟人应用产品。此外，怪兽智能全息舱还提供用户行为分析和AI多模态交互功能，以提升用户体验。该平台广泛应用于零售、文旅景区、服务型机构、政府和事业单位等场景。