产品库

GPT聊天语音

通过多语言TTS文本转语音和STT语音转文本功能，使GPT聊天具备语音交互能力。

Blerp是一个AI TTS声音模因、表情GIF和声音提示的产品。

Blerp是一个AI TTS声音模因、表情GIF和声音提示的产品。它提供了最有趣的AI TTS警报、表情和声音包，适用于聊天和直播社区。观众可以在任何流媒体平台上播放最好的声音和AI TTS语音，并可以将表情和GIF附加到它们上。作为观众，您还可以在您最喜欢的主播流媒体上收集频道积分，以及播放属于您自己的WalkOn Sounds。主播可以设置自己的声音，并在任何支持的扩展平台上使用WalkOn Subscriber声音。

掌握任何语言

DilGPT 是一款下一代个性化AI聊天机器人，将助你在语言学习之旅中获得更多力量。它提供实时纠正、语言间翻译、语音识别和TTS等功能，帮助用户加速学习进程。DilGPT可用于学习、测试、练习和交流，并适用于教育、工作和个人使用。

允许在Google Chrome和其他Chromium浏览器中使用Bing AI聊天机器人

Bing AI for Chrome是一个插件，允许在Google Chrome和其他Chromium浏览器中使用Bing AI聊天机器人。该插件通过为bing.com域名设置适当的HTTP标头来实现。它可以帮助用户与Bing AI进行聊天并获取智能回复。请注意，需要禁用其他浏览器扩展程序，因为许多扩展程序（如VPN、广告拦截器、Cookie等）可能会破坏Bing AI的功能。

与ChatGPT进行实时对话

KITT是一个基于WebRTC的在线聊天工具，使用ChatGPT技术，可以实时与ChatGPT进行对话。它具有智能的对话能力，可以回答各种问题，帮助用户解决问题。KITT的优势在于实时性和便捷性，用户可以直接在网页上进行对话，无需下载任何插件或客户端。定价方面，KITT提供免费和付费的使用计划，付费计划提供更多的功能和资源。KITT定位为一个方便、高效的在线聊天工具，适用于各种场景，如客服支持、学习辅导、娱乐咨询等。

新一代聊天助手

GasbyAI是一款基于GPT 3.5 TURBO 16K的新一代聊天助手，能够提供营销推广策略、IT技术支持、销售闭单、职业规划咨询、文案创作、开发建议等多种专业服务。用户可根据需求选择不同的AI助手，订阅相应的服务计划或设置OpenAI API密钥即可开始使用。

智能聊天机器人，提升客户互动

Octane AI是一款智能聊天机器人软件，帮助企业提升客户互动体验。它提供了一系列功能，包括自动回复、智能问答、营销推广等。Octane AI的优势在于其智能学习和自动化功能，可以根据用户的行为和偏好进行个性化的互动和推荐。定价方面，Octane AI提供了多种套餐选择，适应不同规模的企业需求。Octane AI定位于帮助企业提升客户互动，提高销售和客户满意度。

用我们的OCR词典和其他语言学习工具，轻松学习日语

Gengo是一款集成OCR词典和工具的漫画和轻小说阅读器，专为有效学习日语而设计。该项目在AJATT和其他沉浸式语言学习方法以及缺乏坚实跨平台替代品的“Kaku”安卓应用的启发下诞生。

将任何文本内容转换为语音MP3，使用AI在几秒钟内生成声音！今天免费生成您的第一段语音！

TTS Generator AI是一款创新的免费在线文本转语音工具，利用先进的AI技术将书面文本转换为高质量、自然流畅的音频。该工具适用于各种用户，包括需要听觉学习材料的学生、想要听长篇文件的研究人员以及希望使其书面内容更易访问的专业人士。TTS工具的一大亮点是它能够支持各种文本格式，从简单的文本文件到复杂的PDF文件，使其非常灵活。

OpenVoice V2是一款支持多语言的语音合成模型，提供高质量的语音克隆与风格控制功能。

OpenVoice V2是一款文本到语音（Text-to-Speech, TTS）的模型，它在2024年4月发布，包含了V1的所有功能，并进行了改进。它采用了不同的训练策略，提供了更好的音质，支持英语、西班牙语、法语、中文、日语和韩语等多种语言。此外，它还允许商业用途的免费使用。OpenVoice V2能够精确地克隆参考音调色彩，并在多种语言和口音中生成语音。它还支持零样本跨语言语音克隆，即生成语音的语言和参考语音的语言不需要在大规模多语种训练数据集中出现。

免费的在线文字转语音工具

TTSVox是一款免费的在线文字转语音工具。它提供高质量、自然流畅的声音，适用于教育、专业和无障碍等各种场景。现在就来试试，让您的文字变得生动起来！

分析Transformer语言模型的内部工作机制

LLM Transparency Tool（LLM-TT）是一个开源的交互式工具包，用于分析基于Transformer的语言模型的内部工作机制。它允许用户选择模型、添加提示并运行推理，通过可视化的方式展示模型的注意力流动和信息传递路径。该工具旨在提高模型的透明度，帮助研究人员和开发者更好地理解和改进语言模型。

理解复杂视频，作诗配文的AI视频模型

MiniGPT4-Video是为视频理解设计的多模态大模型，能处理时态视觉数据和文本数据，配标题、宣传语，适用于视频问答。基于MiniGPT-v2，结合视觉主干EVA-CLIP，训练多阶段阶段，包括大规模视频-文本预训练和视频问题解答微调。在MSVD、MSRVTT、TGIF和TVQA基准上取得显著提升。定价未知。

AI智能翻译助手

Auto WhatsApp Translator - WhatsApp AI Translator是基于ChatGPT的AI智能翻译系统，使用最强大的OpenAI，帮助您更快、更准确地翻译文本。它具有最准确、人性化的翻译和强大的TTS语音朗读功能。

高效开发你的AI原生应用

百度智能云千帆AppBuilder是一款专门用于高效开发AI原生应用的平台。它提供了一站式的AI原生应用开发资源和工具,包括开箱即用的应用框架、丰富的AI能力组件以及连接云资源等。主要功能有:1.开源应用框架,如知识增强应用框架(RAG)、Agent框架等。2.丰富AI组件,如语音识别、TTS、文生图、向量引擎等。3.连接云资源,提供CPU/GPU计算、存储等服务。该平台降低了AI应用开发门槛,帮助企业高效开发AI原生应用。

Deepgram的Aura TTS演示，展示了先进的语音合成技术。

Aura TTS（文字转语音）演示展现了Deepgram的高级语音合成技术，可以将文本转换成自然发音的语音，并提供多种声音选项。

多语言高质量文本转语音库

MeloTTS是由MyShell.ai开发的多语言文本转语音库，支持英语、西班牙语、法语、中文、日语和韩语。它能够实现实时CPU推理，适用于多种场景，并且对开源社区开放，欢迎贡献。

亚马逊的大规模语音合成模型

BASE TTS是亚马逊开发的大规模文本到语音合成模型,运用了10亿参数的自动回归转换器,可将文本转换成语音代码,再通过卷积解码器生成语音波形。该模型使用了超过10万小时的公共语音数据进行训练,实现了语音自然度的新状态。还具有音素解离和压缩等新颖的语音编码技术。随着模型规模的增大,BASE TTS展现出了处理复杂句子的自然语调能力。

自动化你的业务，利用IFTTT的AI工具！

IFTTT AI服务是IFTTT推出的4个人工智能服务，旨在节省您的时间并提高您的工作效率。免费试用IFTTT Pro试用版。AI Social Creator可以生成社交媒体帖子的短内容；AI Content Creator可以生成博客和大纲的长内容；AI Summarizer可以生成博客或会议记录的摘要；AI Prompt可以生成问题或提示的响应。除了这些服务，ChatGPT Plus订阅用户还可以尝试新的IFTTT ChatGPT插件，将自动化提升到一个新的水平。

开源文本转语音系统

Whisper Speech是一款完全开源的文本转语音模型，由Collabora和Lion在Juwels超级计算机上训练。它支持多种语言和多种形式的输入，包括Node.js、Python、Elixir、HTTP、Cog和Docker。该模型的优势在于高效的语音合成和灵活的部署方式。定价方面，Whisper Speech完全免费。它定位于为开发者和研究人员提供一个强大的、可定制的文本转语音解决方案。

统一多模态视频生成系统

UniVG是一款统一多模态视频生成系统，能够处理多种视频生成任务，包括文本和图像模态。通过引入多条件交叉注意力和偏置高斯噪声，实现了高自由度和低自由度视频生成。在公共学术基准MSR-VTT上实现了最低的Fr'echet视频距离（FVD），超越了当前开源方法在人类评估上的表现，并与当前闭源方法Gen2不相上下。

将文本转化为自然语音的在线工具

Text2Audio是一个免费的在线TTS工具，能够轻松将文本转化为自然、逼真的语音。无论是用于什么目的，都能轻松创建清晰、生动的语音。

用于阅读障碍的下一代阅读辅助工具

Clipboard TTS是一款专为阅读障碍人群设计的电脑客户端软件，支持49种语言和100多种声音，可将剪贴板中的文本内容转换成语音朗读，同时支持自动翻译、自动字典、图像转文本等功能，提供多种字体和背景颜色可供选择，支持自定义替换、历史记录等功能，为用户提供极致的阅读体验。

AI网站生成器

Asekio是最好的方式来构建您的网站。使用我们的AI辅助网站生成器，只需29秒即可生成一个网站。无需编码，可从手机上构建和发布。提供多页、自定义域名、托管和HTTPS SSL、联系表单、嵌入外部内容等功能。价格灵活，包括月付和年付。适用于个人和企业。

即时文本转语音，适用于需要即时音频反馈的应用

RealtimeTTS 是一个易于使用、低延迟的文本转语音库，用于实时应用。它可以将文本流转换为立即的音频输出。主要功能包括实时流式合成和播放、高级句子边界检测、模块化引擎设计等。该库支持多种文本到语音引擎，并适用于语音助手和需要即时音频反馈的应用。详细定价和定位信息请参考官方网站。

将文本转换为逼真的语音

OpenAI TTS提供文本到语音的API，基于他们的TTS模型。它带有6种内置语音，可用于朗读博客文章、在多种语言中生成口语音频以及使用流式传输实时音频输出。用户可以通过控制模型名称、文本和语音选择来生成音频文件，并且支持多种音频输出格式。

AI语音转文字

Scribewave是一款AI语音转文字工具，可以轻松将音频和视频文件转录、加字幕和字幕，具有99%的准确率。支持90多种语言，包括英语、荷兰语、法语、德语、西班牙语等。可以无限导出到Word、SRT、VTT、TXT等常用格式。免费试用，付费用户可以使用更多功能。适用于学术研究、媒体制作、法律文书等多个行业。

一款简洁、高效、高颜值的输入、截图、划词翻译软件

TTime是一款简洁、高效、高颜值的输入、截图、划词翻译软件。它提供了输入翻译、截图翻译、划词翻译等功能。用户可以通过快捷键调出翻译窗口，自行输入翻译；也可以通过快捷键调出截图，软件会自动识别并翻译图片；还可以对光标已选中的文字进行划词翻译。TTime支持离线词典、隐藏翻译窗口输入框、翻译结果复制驼峰、下划线等功能。它还提供了多种OCR源、自动翻译模式、翻译记录功能等。TTime适用于Windows和Mac系统。

一致的文本到视频编辑的光流引导注意力

FLATTEN是一种用于文本到视频编辑的光流引导注意力插件。它通过在扩散模型的U-Net中引入光流来解决文本到视频编辑中的一致性问题。FLATTEN通过强制在不同帧上的相同光流路径上的补丁在注意模块中相互关注，从而提高了编辑视频的视觉一致性。此外，FLATTEN是无需训练的，可以无缝集成到任何基于扩散的文本到视频编辑方法中，并提高其视觉一致性。实验结果表明，我们提出的方法在现有的文本到视频编辑基准上取得了最新的性能。特别是，我们的方法在保持编辑视频的视觉一致性方面表现出色。