产品库

数字孪生视频对话平台

Tavus Conversational Video Interface (CVI) 是一个创新的视频对话平台，它通过数字孪生技术提供面对面的互动体验。该平台具备低延迟（少于一秒）的即时响应能力，结合先进的语音识别、视觉处理和对话意识，为用户提供丰富、自然的对话体验。平台易于部署和扩展，支持自定义LLM或TTS，适用于多种行业和场景。

个人品牌数字孪生

PeopleAI是一个个人品牌数字孪生平台，通过个性化对话与观众互动，提升在线存在感，为追随者创造难忘体验。具有数字孪生技术的强大功能，可提高个人品牌的知名度和影响力。平台提供个性化对话、定制化功能等，定价根据使用套餐不同而有所不同。

使用AI数字孪生优化职场沟通

Jelled.ai是一个利用人工智能技术来提升职场沟通效率的平台。它通过创建用户的数字孪生，帮助用户从Gmail和Slack等主要通信渠道中提取、总结关键信息，并生成及时、知情的邮件草稿。数字孪生能够学习用户的邮件回复模式，节省时间和精力。此外，它还提供了即时回复、智能代理聊天、消息审查等功能，帮助用户有效管理日常沟通。Jelled.ai致力于保护用户数据安全，通过年度安全审计和符合Google API服务用户数据政策的措施，确保数据安全。

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。

低延迟的实时语音交互API

Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。

打造个人品牌的数字孪生，通过个性化对话与观众互动，增强在线存在感

PeopleAI是一款能够帮助用户打造个人品牌的数字孪生产品。通过与观众进行个性化对话，PeopleAI能够增强用户的在线存在感，创造与粉丝难忘的互动体验。该产品提供了强大的数字孪生技术，使用户能够与其数字孪生进行真实感的互动。无论是在社交媒体上还是在个人网站上，PeopleAI都能够提升用户的个人品牌形象。

全本地AI语音聊天工具，低延迟，高效率。

voicechat2是一个基于WebSocket的快速、完全本地化的AI语音聊天应用程序，使用户能够在本地环境中实现语音到语音的即时通讯。它利用了AMD RDNA3显卡和Faster Whisper技术，显著降低了语音通讯的延迟，提高了通讯效率。该产品适用于需要快速响应和实时通讯的开发者和技术人员。

深度学习工具链，用于生成你的数字孪生体。

FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。

低延迟、高质量的端到端语音交互模型

LLaMA-Omni是一个基于Llama-3.1-8B-Instruct构建的低延迟、高质量的端到端语音交互模型，旨在实现GPT-4o级别的语音能力。该模型支持低延迟的语音交互，能够同时生成文本和语音响应。它在不到3天的时间内使用仅4个GPU完成训练，展示了其高效的训练能力。

Mistral Small 3 是一款开源的 24B 参数模型，专为低延迟和高效性能设计。

Mistral Small 3 是由 Mistral AI 推出的一款开源语言模型，具有 24B 参数，采用 Apache 2.0 许可证。该模型专为低延迟和高效性能设计，适合需要快速响应的生成式 AI 任务。它在多任务语言理解（MMLU）基准测试中达到 81% 的准确率，并且能够以每秒 150 个标记的速度生成文本。Mistral Small 3 的设计目标是提供一个强大的基础模型，用于本地部署和定制化开发，支持多种行业应用，如金融服务、医疗保健和机器人技术等。该模型未使用强化学习（RL）或合成数据训练，因此在模型生产管线中处于较早期阶段，适合用于构建推理能力。

全新的Mistral Small，针对低延迟工作负载进行优化

Mistral Small 是针对低延迟和成本优化的新型模型，优于 Mixtral 8x7B，具有更低的延迟，是开放权重产品和旗舰模型之间的卓越中间解决方案。Mistral Small 具有与 Mistral Large 相同的创新，包括RAG-enablement和函数调用。我们简化了终端点供应，提供开放权重终端点以具有竞争性的定价，并推出了新的优化模型终端点 mistral-small-2402 和 mistral-large-2402。

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。

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。

为开发者构建人类般的对话语音AI

Retell AI是一个能够帮助开发者在一天内构建人类般对话语音AI的API。它具有大约800毫秒的响应时间，并能够处理中断。使用Retell AI，您可以体验到与真实对话一样自然和流畅的交互。

AI实时对话，超低延迟

WhisperFusion是一款基于WhisperLive和WhisperSpeech功能的产品，通过在实时语音转文字流程中集成Mistral大型语言模型（LLM）来实现与AI的无缝对话。Whisper和LLM均经过TensorRT引擎优化，以最大程度提升性能和实时处理能力。WhisperSpeech则使用torch.compile来优化。产品定位于提供超低延迟的AI实时对话体验。

智能语言辅导，实时反馈，自然对话学习。

LingoTheory是一款旨在通过智能技术帮助用户学习语言的产品。它通过实时反馈功能，让用户在语法、词汇和发音上的错误得到即时纠正。用户可以自由使用母语与智能辅导进行交流，系统将帮助用户学习目标语言。产品采用自然对话方式，模拟与朋友间的交流，让用户在轻松的环境中学习语言。此外，LingoTheory还鼓励用户每天学习，通过科学验证的方法和进度跟踪帮助用户快速提升语言水平。

使用低延迟语音识别和合成模型与 AI 对话。

Unmute 是一款创新的语音识别与合成工具，旨在使用户能够通过自然语言与 AI 进行高效的互动。其低延迟技术确保用户体验流畅，适合需要实时反馈的场景。该产品将以开源形式发布，推动更多开发者和用户的参与。当前尚未公布价格，预计将采取免费和付费相结合的模式。

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。

一键生成专属数字分身的APP

文心一言APP是依托百度文心大模型技术的AI应用产品。用户只需提供一张照片和三句语音,就可以一键生成专属的数字化身,可用于情感交流、求知探索、娱乐聊天等场景。该APP还具有语音交互、情绪交互、记忆能力强等特点。

实时低延迟语音转换技术

StreamVC是由Google研发的实时低延迟语音转换解决方案，能够在保持源语音内容和韵律的同时，匹配目标语音的音色。该技术特别适合实时通信场景，如电话和视频会议，并且可用于语音匿名化等用例。StreamVC利用SoundStream神经音频编解码器的架构和训练策略，实现轻量级高质量的语音合成。它还展示了学习软语音单元的因果性以及提供白化基频信息以提高音高稳定性而不泄露源音色信息的有效性。

百度 UNIT 是一款领先的智能对话管理平台，助力企业定制专业、可控、稳定的对话系统。

百度 UNIT 搭载业界领先的对话理解和对话管理技术，提供灵活运营管理工具和可视化会话流程配置，助力企业智能化升级实现降本增效。

一款能让游戏中非玩家角色进行自然对话的AI原型

NEO NPC是由育碧公司开发的一款革命性AI原型,它能让游戏中的非玩家角色(NPC)以自然、有灵性的方式与玩家进行真实对话互动。这个原型将游戏写作者塑造的角色个性、背景故事等元素输入到大型语言模型中,再通过Nvidia的Audio2Face应用程序和Inworld的大型语言模型(LLM)进行训练,使得NPC能基于场景上下文、玩家输入等因素作出恰当的语言反应。该系统在保持NPC身份统一性的同时,赋予了它们自主对话的能力,为玩家带来前所未有的身临其境体验。育碧强调,这只是一个原型,未来还需继续迭代优化,最终目标是让它能够广泛应用于不同类型的游戏项目中。

百聆是一个类似GPT-4o的语音对话机器人，通过ASR+LLM+TTS实现，低配置也可运行，支持打断。

百聆是一个开源的语音对话助手，旨在通过语音与用户进行自然的对话。该项目结合了语音识别(ASR)、语音活动检测(VAD)、大语言模型(LLM)和语音合成(TTS)技术，提供高质量的语音对话体验。其主要优点是无需GPU即可实现类GPT-4o的对话效果，适用于各种边缘设备和低资源环境。百聆完全开源，鼓励社区贡献与二次开发，用户可以根据自己的需求进行定制和优化。

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。

升级你的生产力，与Botmate一起进行自然对话。

Botmate是一款开放式AI聊天应用，能够与用户进行自然对话并提供有用信息。它拥有先进的AI模型，推动了机器所能实现的界限。我们注重技术创新的同时，也注重道德考量，例如确保AI系统透明和可追溯。Botmate与其他领先的AI研究人员和组织合作，共享知识并开发解决AI问题的新方法。升级你的生产力，与Botmate一起探索AI聊天的可能性。

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。

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。

一款 21B 通用推理模型，适合低延迟应用。

Reka Flash 3 是一款从零开始训练的 21 亿参数的通用推理模型，利用合成和公共数据集进行监督微调，结合基于模型和基于规则的奖励进行强化学习。该模型在低延迟和设备端部署应用中表现优异，具有较强的研究能力。它目前是同类开源模型中的最佳选择，适合于各种自然语言处理任务和应用场景。

基于孪生多模态扩散变换器的创意布局到图像生成技术

CreatiLayout是一种创新的布局到图像生成技术，利用孪生多模态扩散变换器（Siamese Multimodal Diffusion Transformer）来实现高质量和细粒度可控的图像生成。该技术能够精确渲染复杂的属性，如颜色、纹理、形状、数量和文本，适用于需要精确布局和图像生成的应用场景。其主要优点包括高效的布局引导集成、强大的图像生成能力和大规模数据集的支持。CreatiLayout由复旦大学和字节跳动公司联合开发，旨在推动图像生成技术在创意设计领域的应用。

云钉原生低代码平台，让企业构建专属应用更简单

钉钉宜搭是一款云钉原生低代码平台，具备页面编排、业务模型编排、业务流程编排、服务编排、数据展现及分析等多项核心能力。该产品以简单的拖拽和配置完成业务应用的搭建，并天然具备云原生和钉原生特性。