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。

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。

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。

低延迟语音模型，生成逼真语音

Sonic是由Carteisa团队开发的低延迟语音模型，旨在为各种设备提供逼真的语音生成能力。该模型利用了创新的状态空间模型架构，以实现高分辨率音频和视频的高效、低延迟生成。Sonic模型的延迟仅为135毫秒，是同类模型中最快的。Carteisa团队专注于优化智能的效率，使它更快、更便宜、更易于访问。Sonic模型的发布，标志着实时对话式AI和长期记忆的计算平台的初步进展，预示着未来AI在实时游戏、客户支持等领域的新体验。

提供虚拟数字人定制、AI 短视频内容生产和数字人直播的智能化 IP 打造平台。

风平 IP 智造平台是基于 AIGC 的智能化 IP 打造平台，致力于提供虚拟数字人定制、AI 短视频内容生产和数字人直播的一站式解决方案。通过结合领先的 AI 技术，平台实现了数字人的高质量生产和互动能力，为用户打造全新的数字人 IP 体验。

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。

生成你的AI头像视频！

X Me是一个AI头像视频生成工具，通过输入文本即可快速生成个性化的AI头像视频。它使用轻量级的AI模型，无需复杂的训练过程，快速生成逼真的数字人物视频。X Me提供多种AI名人头像供用户选择，并支持将用户自己的面部特征和声音克隆到生成的头像视频中。用户可以根据自己的喜好和需求，自由创造个性化的AI头像视频。

基于AI技术的数字人虚拟形象,面向多场景应用

百度智能云曦灵是一款基于领先的数字人和人工智能技术的产品,可面向视频、直播、交互等全场景应用。它利用AI算法赋予数字人逼真的动作表情,能生成高质量视频内容,提供自然的对话交互体验。主要功能包括一键直播、一句话生成视频、配置数字人智能体等。产品优势在于开播效率高、投资回报率高、无需专业团队即可使用。定位为面向企业客户提供数字人和AI内容智能化升级服务。

基于Carrot AI大模型的智能体交互平台

Gnomic智能体平台基于汇智智能自主研发的Carrot AI大模型和专利的"数字生命"技术，致力于提供最先进的人工智能交互体验。面向企业、协会、组织等各类型B端用户，提供深度定制化的智能体解决方案。该平台的Carrot AI大模型能够轻松实现爆款文案、信息检索、创意绘图等功能，帮助用户告别昂贵的学习成本，高效提升学习和工作效率。

AI生成的高品质播客

11Cast是一个使用AI生成的高品质播客工具。它可以将您的想象力转化为一个完整的播客节目，并支持70种语言。您可以使用不同的声音来呈现播客，包括名人声音、您自己的声音，甚至可以克隆其他人的声音。11Cast提供超真实的播客体验，让您可以轻松创建和分享您自己的播客节目。

一键复制您的代理商的声音

VoiceDrop.Ai是一款声音复制技术产品，可实现声音克隆并批量应用。它能够让您录制您的声音，并为每个接收者提供独特的声音消息，为您创造与众不同的体验。VoiceDrop.Ai的优势包括技术进步、自动化流程、创新易用性、全美覆盖、超值价格和卓越客户服务。

基于大型多模态模型构建端到端网络代理

WebVoyager是一款创新的大型多模态模型（LMM）驱动的网络代理，能够通过与现实世界的网站交互，端到端完成用户指令。我们提出了一种新的网络代理评估协议，以解决开放式网络代理任务的自动评估挑战，利用GPT-4V的强大多模态理解能力。我们从15个广泛使用的网站收集了真实世界任务，用于评估我们的代理。我们展示了WebVoyager实现了55.7%的任务成功率，明显超过了GPT-4（所有工具）和WebVoyager（仅文本）设置的性能，突显了WebVoyager在实际应用中的卓越能力。我们发现我们提出的自动评估与人类判断达成了85.3%的一致性，为在真实世界环境中进一步发展网络代理铺平了道路。

一个带 web 界面的声音克隆工具

Clone-Voice是一个带 web 界面的声音克隆工具，可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。支持中、英、日、韩、法、德、意等 16 种语言，可在线从麦克风录制声音。功能包括文字到语音和声音到声音转换。优势在于简单易用且无需 N 卡 GPU，支持多种语言，录制声音灵活。产品目前免费使用。

智能AI聊天机器人，提升客户转化率

RoboResponseAI是一款由生成式AI驱动的主动式聊天机器人，能够主动发起对话并根据用户反馈不断改进，提高网站访客转化为潜在客户的比例。它能根据页面内容和访客行为引导访客提出相关问题，有效地引导和增加潜在客户的转化率。同时，它还能在用户离开前收集有价值的反馈意见，帮助您优化业务。RoboResponseAI还提供个性化、人性化的回答，让客户与您的业务更亲密。

60秒内克隆您的声音

MyVocal是一款AI音乐工具，可以帮助用户在60秒内克隆自己的声音，用于歌唱或内容创作。独特的音调将帮助您脱颖而出！免费使用，我们将向您的收件箱发送登录/注册链接。

改变你的声音，享受声音的魔力

Voices AI是一款专为iOS设计的语音转换应用程序，可生成声音、克隆自定义声音并通过AI音频增强提高声音质量。它提供了广泛的声音库，从标志性的政治人物到好莱坞名人，让你的文本变得更加生动。对于内容创作者，它可以为视频、电视片段、商业广告等项目提供行业标准的配音。它还可以为你的朋友制作特别的生日祝福，或者让你享受听到著名声音回响你的情感的快感。它具有高质量的音频，直观的界面和隐私保护。你可以使用它克隆自己的声音，利用它的AI音频增强功能提高音频质量。

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。