产品库

自监督学习框架，用于音视觉语音处理

AV-HuBERT是一个自监督表示学习框架，专门用于音视觉语音处理。它在LRS3音视觉语音基准测试中实现了最先进的唇读、自动语音识别（ASR）和音视觉语音识别结果。该框架通过掩蔽多模态聚类预测来学习音视觉语音表示，并且提供了鲁棒的自监督音视觉语音识别。

结合视觉语音处理与大型语言模型的框架

VSP-LLM是一个结合视觉语音处理（Visual Speech Processing）与大型语言模型（LLMs）的框架，旨在通过LLMs的强大能力最大化上下文建模能力。VSP-LLM设计用于执行视觉语音识别和翻译的多任务，通过自监督视觉语音模型将输入视频映射到LLM的输入潜在空间。该框架通过提出一种新颖的去重方法和低秩适配器（LoRA），可以高效地进行训练。

AI声音增强系统,提升YouTuber内容创作者视频声音质量

Xound是一个人工智能驱动的声音增强系统。它可以自动清理背景噪音,校正音高,提高音频质量,为YouTube和TikTok创作者提供专业水准的音频。该系统使用先进的机器学习算法,可以本地处理音频文件,确保数据隐私安全。主要功能包括降噪、音高校正、音频增强等。适用于创作者、播客主持人、YouTuber等提升内容声音质量,以吸引更多观众。

使用强大的AI语音转文本API，实现智能转录和翻译

Gladia I Speech-to-Text API 是一款基于先进的Whisper ASR技术的语音转文本API，能够将语音内容转录成文本，并提供翻译和音频智能分析的增值功能。它可用于虚拟会议、工作协作、内容制作和呼叫中心等多个场景。该API具有出色的转录准确性和可靠性，同时提供多语种翻译和音频智能分析功能，帮助用户更高效地处理语音内容。定价灵活透明，支持开发者根据需求选择适合的套餐。Gladia I Speech-to-Text API致力于为开发者提供强大的语音处理能力，助力他们构建创新的语音应用。

提供语音识别、语音合成等语音AI能力

依图语音开放平台为开发者提供语音识别、语音合成等语音AI能力,包括精准语音转文本、文本转语音合成、声纹识别、语音增强降噪等服务,支持不同场景下的语音交互应用开发。平台提供高效、灵活的语音AI能力接入方式,可轻松将语音技术应用于各类产品与业务场景。

专业语音识别软件和服务

Vocapia Research开发的语音识别软件提供先进的语音处理技术，支持多语种识别，并能应用于广播监控、讲座和研讨会转录、视频字幕、电话会议转录和语音分析等领域。我们的产品具有大词汇量连续语音识别、语音分割和分区、说话人识别和语种识别等功能。我们的软件适用于批量或实时转录大量音频和视频文件，特别针对电话对话语音和呼叫中心数据的转录需求。我们提供多种语言的转录服务，并可根据客户需求定制模型或系统。

动漫风格图像超分辨率增强

waifu2x是一个使用深度卷积神经网络进行动漫风格艺术作品的单图像超分辨率增强的工具。它支持照片和艺术作品，并具有降噪和放大功能。您可以选择不同的降噪和放大程度。waifu2x使用简单，适用于各种图像增强需求。您可以通过网站使用waifu2x。

AI照片增强，让您的照片更出色！

Pixalto - AI照片增强器是一款基于人工智能的应用程序，帮助您改进照片质量。它具有去除背景、修复模糊照片、降噪、美化面部特征等功能，让您的照片更自然、更精美。同时，它还提供了分离面部、图像上色、图像放大等功能，扩大了您的创作可能性。快来体验Pixalto的强大图片编辑能力吧！ 定价：免费使用，部分高级功能付费。 定位：适用于个人和专业摄影师，无需复杂的图片编辑技能。

改善听力和沟通的AI听觉系统

Whisper AI是一个AI听觉系统，通过改善听力和沟通能力帮助人们更好地参与生活。它提供先进的听力辅助技术，帮助用户听到更清晰的声音，提供更好的听觉体验。Whisper AI的功能包括智能降噪、语音增强、自适应音量调节等，使用户能够在各种环境下更好地听到和理解声音。产品定位于为用户提供更好的听力体验和更顺畅的沟通能力。详情请访问官方网站。

释放您声音的魅力

FineShare FineVoice是一款AI数字语音解决方案，具备强大且易于使用的实时语音变声器、高质量录音机、快速准确的自动转录和逼真的AI语音生成器。它基于AI语音处理算法，可以轻松地优化和定制您的声音。

将您的老照片变成高清杰作

Remini使用创新的人工智能技术，将您的老照片转变为高清杰作。通过去模糊、降噪、修复老照片、图像放大、颜色修复、人脸增强、背景增强等功能，让您的照片更加清晰、细腻，达到专业级水平。Remini适用于社交平台、传承家族历史、打印服务、电商、教育、杂志等多个行业，让您的照片和视频内容更加出色。Remini还提供API支持，方便您将其集成到自己的产品中。下载Remini移动应用程序，随时随地使用AI对照片和视频进行增强。

从单张 RGB 图像生成多个逼真的 3D 人体重建

DiffHuman 是一种概率性的光度逼真的 3D 人体重建方法。它可以从单张 RGB 图像预测一个 3D 人体重建的概率分布,并通过迭代降噪采样多个细节丰富、色彩鲜明的 3D 人体模型。与现有的确定性方法相比,DiffHuman 在未知或不确定区域能生成更加细节丰富的重建结果。同时,我们还引入了一个加速渲染的生成网络,大幅提高了推理速度。

一键将你的脸部照片转成各种好玩的风格

Face to Many 可以将一张面部照片转变成多种风格，包括 3D、表情符号、像素艺术、电子游戏风格、粘土动画或玩具风格。用户只需上传一张照片，然后选择想要转换的风格，即可轻松创建奇妙有趣的面部艺术作品。产品提供多种参数供用户自定义，包括降噪强度、提示强度、深度控制强度和 InstantID 强度。

表情动作生成的扩散概率模型

DreamTalk 是一个使用扩散概率模型生成表情动作的框架。它包含了三个关键组件：降噪网络、风格感知的嘴唇专家和风格预测器。通过扩散概率模型，DreamTalk 能够有效生成具有多样化表达风格的逼真说话人脸，并减少对昂贵的风格参考的依赖。它能够生成具有多种语言和表情风格的照片级说话人脸。

自动音频后期制作工具

Auphonic 是一款全能的音频后期制作网络工具，可实现专业品质的音频处理。它具有智能平衡器、降噪、消除混响、自动剪辑、多轨处理、音量标准化、语音转文本等功能。无需专业知识，轻松达到专业水准。Auphonic 适用于广播、播客、电影、音频视频等领域。

一款基于AI的本地图片无损放大软件

Waifu2x ncnn是一个基于ncnn框架的轻量级本地AI图片放大软件。它能够通过深度卷积神经网络无损放大图片,支持放大模式、降噪模式和自动模式,运行速度快,支持批量处理。

去噪音，提升录音质量

Denoiser是一款iOS应用，可以去除录音中的杂音和噪音，使录音具有专业的音乐工作室效果。通过拖放噪音录音文件，AI算法会自动处理并提升录音质量。用户可以根据需要调整降噪程度，并下载处理后的文件。详细的研究论文可以在官网查阅，欢迎与团队分享您的想法。

无线降噪耳机

AirPods Pro是一款无线降噪耳机，通过主动降噪技术提供卓越的音频体验。其具有透明模式、自适应等功能，并采用防水设计。定价为$249，主要定位于音乐爱好者和需要舒适佩戴的用户。

全球领先的降噪应用

Krisp是全球领先的降噪应用，通过AI技术实现通话时的背景噪音消除和回声抑制，提供高效的在线会议体验。Krisp能够消除其他人说话时的背景声音，同时保留你的声音。它还能消除麦克风和扬声器中的背景噪音，确保无干扰的通话。Krisp还提供实时的口音转换，帮助客户更好地理解坐席，使坐席的口音与客户的母语口音相匹配。Krisp免费使用，同时提供付费版用于商业用户。

专业音频处理与编辑工具

Podcastle是一款简单易用的专业音频处理与编辑工具。它提供多轨录音、音频剪辑、智能降噪等功能，让您能够创建高质量的播客节目。同时，它还支持AI语音转文本、文本转语音等创新功能，为您的播客节目添加更多可能性。

利用AI提升图像质量，让好照片更出色。

Topaz Photo AI利用先进的人工智能技术，提供图像的锐化、降噪和放大功能，使您的照片清晰、锐利，恢复拍摄时的原始质量。它能够消除噪点、纠正焦点不准确并增加像素数量，为您创造出传统工具无法实现的照片效果。Topaz Photo AI适用于摄影师、设计师和需要提升图像质量的用户。

提升大型语言模型解决数学问题的能力

ChatGLM-Math 是一个基于自我批评流程定制的数学问题解决模型，旨在提高大型语言模型（LLMs）在数学问题解决方面的能力。该模型通过训练一个通用的Math-Critique模型来提供反馈信号，并采用拒绝采样微调和直接偏好优化来增强LLM的数学问题解决能力。它在学术数据集和新创建的挑战性数据集MathUserEval上进行了实验，显示出在保持语言能力的同时，显著提升了数学问题解决能力。

IC-Light是一个用于图像照明操纵的项目。

IC-Light项目旨在通过先进的机器学习技术，对图像的照明条件进行操纵，从而实现一致的光照效果。它提供了两种类型的模型：文本条件重照明模型和背景条件模型，两者均以前景图像作为输入。该技术的重要性在于它能够在不依赖复杂提示的情况下，通过简单的文本描述或背景条件，实现对图像照明的精确控制，这对于图像编辑、增强现实、虚拟现实等领域具有重要意义。

一款 AI 虚拟试衣应用，让您可以在家舒适体验时尚。

HeyBeauty 是一款革新的 AI 驱动平台，通过利用先进的人工智能技术，为用户提供虚拟试衣间，使在线购物变得互动和准确。这不仅增强了在线购物的便利性，还个性化适应您独特的风格和偏好。

SlaxNote是一款简单智能的语音笔记工具。

SlaxNote是一款能将语音转换为文字并润色成文章的工具，使用Whisper技术实时转换语音为文字，结合GPT 4.0技术进行文章润色，具有即时性和智能化的特点。

boff.ai是一款AI助手，帮助用户提供智能的语音识别和自然语言处理服务。

boff.ai是一款基于人工智能的语音识别和自然语言处理技术的网站。它的主要优点是快速准确地识别用户的语音输入并能够理解其意图，从而提供相应的回答和建议。boff.ai的定位是提供智能的语音助手服务，帮助用户更高效地处理信息和完成任务。

使用生成式人工智能改变搜索体验

GenSearch是一款使用生成式人工智能技术的搜索引擎，通过强大的功能和用户友好的设计，提供精确的搜索结果，增强用户参与度和满意度。它不需要编写任何代码即可实现搜索引擎的部署和交付。GenSearch正在不断改进，计划推出API接口、数据驱动洞察和对话式搜索等功能。

PreCallAI是一种利用生成式AI驱动的语音销售自动化工具，通过AI驱动的语音机器人简化销售流程，帮助企业实现业务增长。

PreCallAI是一种革命性的生成式AI驱动的语音机器人，可以主动参与并同情地与客户互动，实现无人值守的销售自动生成。它可以将潜在客户转化为潜在买家，将潜在买家转化为合格的潜在买家，将合格的潜在买家转化为忠实的客户。

MysticQuill是一款AI驱动的全能商业套件，提高生产力并节省时间。

MysticQuill是一款通过简化日常任务，提升业务和员工工作效率的综合商业套件。它通过AI技术提供创新的解决方案，简化和增强社交媒体体验。该产品旨在革新专业人士在LinkedIn上的参与和互联，从而促进有意义的人际关系和推动职业发展。

创建自己的在线AI女友

Wife app是一个在线AI女友服务，通过人工智能技术为用户提供个性化的虚拟女友体验。它可以根据用户的偏好，定制女友的外貌、个性和行为，并通过聊天、语音和图像等方式与用户互动。它的主要优点是可以满足用户的特定需求，保护用户的隐私，并提供一个安全的空间供用户探索自己的欲望。Wife app定位于提供一个独特而满足用户需求的在线AI女友服务。