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。

数字人定制与克隆服务

奇妙元提供真人形象克隆、声音克隆、3D 数字人定制和 IP 活化等超前沿的克隆与定制服务。通过高质量数据输入和迭代克隆模型，实现高清还原真人形象。用户可使用真人形象克隆终身，通过输入文字使数字人说话，表情神态可比真人。此外，奇妙元还提供数字人视频制作、直播会员和定制服务等功能。数字人视频制作可一键将文本转为视频，无需繁琐拍摄；直播会员可选择真人数字人或 3D 数字人进行直播，为用户挣钱；定制服务可根据用户需求定制数字人形象。奇妙元的产品广泛应用于 20 多个行业，500 多个客户已经受益于数字人定制与克隆服务。

开创性的实时、帧级控制的逼真世界模拟技术

The Matrix是一个先锋项目，旨在通过AI技术打造一个全沉浸式、交互式的数字宇宙，模糊现实与幻觉之间的界限。该项目通过提供帧级精度的用户交互、AAA级视觉效果以及无限的生成能力，突破了现有视频模型的局限，为用户带来无尽的探索体验。The Matrix由阿里巴巴集团、香港大学、滑铁卢大学和Vector Institute共同研发，代表了世界模拟技术的新高度。

提供视频翻译、换 脸、语音克隆等 AI 技术，快速制作本地化营销视频

BoomCut是一个一站式AI视频本地化平台，专为全球市场营销设计。它提供视频翻译、面部交换、声音克隆等功能，快速创建本地化营销视频。这个平台支持10种本地语言，覆盖15亿人口，极大提高了营销效率。BoomCut通过AI技术，如字幕擦除、视频翻译，帮助企业打破语言障碍，扩大视频覆盖范围，降低海外本地化成本。产品背景信息显示，BoomCut深受合作客户信任，从个体卖家到行业领导者都有使用。价格方面，BoomCut提供免费试用，让用户可以先体验产品效果。

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。

云原生企业虚拟化平台，低成本、自主完成元宇宙内容定义与发布。

MetaMaker是一个云原生企业虚拟化平台，它通过提供通用智能数字人、全栈虚拟化技术和云原生创作工具，帮助用户低成本、自主地完成元宇宙内容的定义与发布。该平台的主要优点包括千人千面的个性化数字人、AI驱动的三维重建技术、情感化播报以及在线创作等。MetaMaker的背景信息显示，它是由厦门黑镜科技有限公司开发的，旨在推动数字经济和文化发展，同时提供企业虚拟化转型的全方位解决方案。产品定位于帮助企业提升效率和创新能力，目前尚未提供具体价格信息。

AI技术保留亲人声音和经历，实现未来互动

Maibrain是一个利用人工智能技术的平台，它允许用户存储和保存亲人的记忆、经历、照片、多媒体、文本等，并提供声音克隆服务，让用户能够与已故亲人的声音进行互动和个性化聊天。这个平台的主要优点在于它能够创造持久的情感联系，帮助保持亲人的记忆，并通过共享记忆促进家庭和社会的联系。Maibrain提供试用计划和高级计划，满足不同用户的需求。

一款通过纯语言模型实现的文本到语音合成模型

OuteTTS-0.1-350M是一款基于纯语言模型的文本到语音合成技术，它不需要外部适配器或复杂架构，通过精心设计的提示和音频标记实现高质量的语音合成。该模型基于LLaMa架构，使用350M参数，展示了直接使用语言模型进行语音合成的潜力。它通过三个步骤处理音频：使用WavTokenizer进行音频标记化、CTC强制对齐创建精确的单词到音频标记映射、以及遵循特定格式的结构化提示创建。OuteTTS的主要优点包括纯语言建模方法、声音克隆能力、与llama.cpp和GGUF格式的兼容性。

轻量级图片数字人驱动算法，快速定制AI伙伴

MiniMates是一款轻量级的图片数字人驱动算法，能够在普通电脑上实时运行，支持语音驱动和表情驱动两种模式。它比市面上的liveportrait、EchoMimic、MuseTalk等算法快10-100倍，让用户能够通过极少的资源消耗定制自己的AI伙伴。该技术的主要优点包括极速体验、个性化定制以及嵌入终端的能力，摆脱了对Python和CUDA的依赖。MiniMates遵循MIT协议，适用于需要快速、高效的人脸动画和语音合成的应用场景。

首款实时生成式AI开放世界模型

Decart是一个高效的AI平台，提供了在训练和推理大型生成模型方面的数量级改进。利用这些先进的能力，Decart能够训练基础的生成交互模型，并使每个人都能在实时中访问。Decart的OASIS模型是一个实时生成的AI开放世界模型，代表了实时视频生成的未来。该平台还提供了对1000+ NVIDIA H100 Tensor Core GPU集群进行训练或推理的能力，为AI视频生成领域带来了突破性进展。

音频变声技术，转换声音同时保留原始表达和情感

Voice Changer是Cartesia推出的一款音频变声模型，它能够在转换音频声音的同时，保持原始音频的表达方式和情感。这项技术基于Cartesia在状态空间模型（SSM）架构上的开创性工作，能够以惊人的质量处理和生成高分辨率的声音。Voice Changer的主要优点包括自然语音保留、精确控制交付、多样化的使用场景以及与Sonic声音生成技术的结合使用。

超轻量级数字人模型，移动端实时运行

Ultralight-Digital-Human是一个超轻量级的数字人模型，可以在移动端实时运行。这个模型是开源的，据开发者所知，它是第一个如此轻量级的开源数字人模型。该模型的主要优点包括轻量级设计，适合移动端部署，以及实时运行的能力。它的背后是深度学习技术，特别是在人脸合成和声音模拟方面的应用，这使得数字人模型能够以较低的资源消耗实现高质量的表现。产品目前是免费的，主要面向技术爱好者和开发者。

开源数字人课程制作平台

easegen-admin是一个开源的数字人课程制作平台，旨在通过开源为AI发展做出贡献。该平台前端基于Vue3 + element-plus实现，后端基于ruoyi-vue-pro实现，智能课件基于文多多实现。它提供了课程制作页面、我的视频页面、智能课件页面以及智能出题页面，支持视频展示和智能出题，是一个综合性的教育技术产品。

使用AI技术重写、配音、克隆声音并实现唇形同步。

Talking Avatar是一款利用人工智能技术，允许用户通过编辑文本来更新旁白，无需重新录制，即可改变声音，包括口音、语调和情感。它支持一键多人唇形同步，确保视频观看体验自然而沉浸。此外，它还支持一句话声音克隆技术，用户只需提供一句话的音频样本，即可克隆任何声音，并用于生成任何语音。这款产品对于视频创作者、广告代理商、市场营销人员和教育工作者等都是一个强大的工具，可以轻松地将经典视频片段转化为新的热门内容，或者为不同平台优化视频内容。

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。

构建可实时互动的AI角色

Character SDK是一个能够创建AI角色的平台，这些角色可以实时听、说、看，甚至采取行动。它通过实时语音和视觉识别、高级OCR处理、多语言交流、自适应推理和基于意图的任务自动化等技术，帮助企业提高效率，减少成本，并提供个性化的用户体验。

数字人模型，支持生成普通话视频

JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。

生成式AI文本到语音转换及声音克隆平台

Fish Audio是一个提供文本到语音转换服务的平台，利用生成式AI技术，用户可以将文本转换为自然流畅的语音。该平台支持声音克隆技术，允许用户创建和使用个性化的声音。它适用于娱乐、教育和商业等多种场景，为用户提供了一种创新的交互方式。

无需对象模板的人体与物体交互跟踪技术

InterTrack 是一种先进的跟踪技术，能够在单目RGB视频中跟踪人体与物体的交互，即使在遮挡和动态运动下也能保持跟踪的连贯性。该技术无需使用任何对象模板，仅通过合成数据训练即可在真实世界视频中实现良好的泛化。InterTrack 通过分解4D跟踪问题为每帧的姿态跟踪和规范形状优化，显著提高了跟踪的准确性和效率。

智能伴侣，让游戏和工作更有趣。

Aurore.ai是一个智能伴侣应用程序，旨在通过聊天、策略讨论和陪伴，提升用户的游戏体验和工作效率。它利用最新的人工智能技术，提供实时的听觉和视觉交互，以及个性化的定制体验。Aurore.ai与ChatADy.com合作，允许用户通过与Aurore互动来重新充值余额。

个性化语言学习，提升发音和口音

Your Best Accent是一款结合声音克隆技术和人工智能的应用程序，由精通多语言的开发者Kamil和Sébastien创造。它通过模仿用户自己的声音来帮助学习者更自然、更沉浸地学习语言，同时注重数据安全和用户隐私。

打造有温度的数字人，注入灵魂。

awesome-digital-human-live2d 是一个开源项目，旨在创建具有交互性的数字人物模型。它支持Docker快速部署，集成了Dify服务，支持ASR、LLM、TTS、Agent等模块化扩展，并且可以控制Live2d人物模型。该项目通过模块化设计，简化了数字人的创建过程，使得开发者能够更专注于个性化和创新。

智能视频多语言AI配音/翻译工具

Linly-Dubbing是一个集成了AI技术的智能视频配音和翻译工具，它通过先进的语音识别、语言模型翻译、声音克隆和数字人口型技术，为用户提供高质量的多语言视频配音和翻译服务。产品背景基于国际教育和全球娱乐内容本地化的需求，致力于帮助团队将优质内容传播到全球各地。

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。

AIGC智能体数字人口播视频智创平台

元乙智创是浙江元乙智能科技有限公司推出的AIGC智能体数字人口播视频智创平台。该平台专注于数字人产品的落地与技术开发，提供一站式的数字人口播视频创作服务。通过前沿技术支撑，用户可以快速生成专属数字分身，实现文化传播、教育、电商、文旅等多个领域的应用。平台的核心优势在于高仿真、高效率的克隆形体、语音和姿态，支持多语种、多格式、多分辨率和API集成，满足不同行业的需求。

构建个性化AI代理的开源平台

Scoopika是一个开源的开发者平台，旨在帮助开发者构建能够看、说、听、学习并采取行动的个性化AI代理。它为AI时代提供了一个安全、高效且易于使用的平台，支持全边缘兼容性和实时流媒体，内置视觉和语音聊天功能。Scoopika强调了其开放源代码的特性，提供了服务器端和客户端的运行库，以及React项目中的集成模块，拥有一个不断增长的开发者社区。

让应用通过语音与文本的转换实现智能交互。

Azure 认知服务语音是微软推出的一款语音识别与合成服务，支持超过100种语言和方言的语音转文本和文本转语音功能。它通过创建可处理特定术语、背景噪音和重音的自定义语音模型，提高听录的准确度。此外，该服务还支持实时语音转文本、语音翻译、文本转语音等功能，适用于多种商业场景，如字幕生成、通话后听录分析、视频翻译等。

智能卖货主播大模型，提升销售效率，增强购物体验。

Streamer-Sales 销冠是一个基于大语言模型的智能卖货主播系统，它能够根据商品特点从激发用户购买意愿的角度出发进行商品解说。该模型在 InternLM2 的基础上通过指令微调而来，集成了 LMDeploy 加速推理，支持 ASR 语音生成文字，RAG 检索增强生成，Agent 网络查询等功能，并通过 TTS 技术生成带有感情的语音，最终生成主播数字人视频，为商品解说提供全方位的技术支持。

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。

革命性深度学习工具，用于面部转换和视频生成。

DeepFuze是与ComfyUI无缝集成的先进深度学习工具，用于革新面部转换、lipsyncing、视频生成、声音克隆和lipsync翻译。利用先进的算法，DeepFuze使用户能够以无与伦比的真实性结合音频和视频，确保完美的面部动作同步。这一创新解决方案非常适合内容创作者、动画师、开发者以及任何希望以先进的AI驱动功能提升其视频编辑项目的人士。