产品库

将书稿转化为个性化语音阅读。

Wondercraft是一个创新的在线服务，能够将作者的书稿转化为听起来像作者本人声音的语音阅读。这项技术不仅节省了作者在录音棚录制和雇佣音频专家编辑混音的时间和金钱，而且提供了一个高效、经济的解决方案，让作者能够专注于创作而不必为音频制作分心。

Hailuo AI Audio是一款创建逼真语音的音频合成工具。

Hailuo AI Audio利用先进的语音合成技术，将文本转换为自然流畅的语音。其主要优点是能够生成高质量、富有表现力的语音，适用于多种场景，如有声读物制作、语音播报等。该产品定位为专业级音频合成工具，目前提供限时免费体验，旨在为用户提供高效、便捷的语音生成解决方案。

前沿AI研究和产品公司，推动通信未来。

Gan.AI是一个专注于对话式人工智能研究和产品的公司，致力于通过其先进的AI技术，为全球知名品牌提供个性化的视频和音频通信解决方案。该公司的产品和技术在个性化营销、粉丝参与、以及提升用户体验方面展现出显著的效果，已获得包括三星、可口可乐和圣安东尼奥马刺等品牌的认可和应用。

给你和孩子们独特的童话体验

进入无尽童话的魔幻世界。BAIKI根据你和孩子们的兴趣定制独特的故事，为每个人创造迷人的、个性化的体验。通过BAIKI，你可以与孩子一起定制和聆听童话故事，共同阅读时间，增进亲子关系。这也是一个激发创造力、提升想象力的工具，为每个参与者带来快乐。探索你定制的童话世界吧！

通过训练您的 AI 自我，增强个性，连接世界。

Second Me 是一个开源原型，旨在让用户创造自己的 AI 自我，保留个人特点，并在数字世界中扩展自我。它使用分层记忆建模和用户对齐算法，确保用户数据本地存储且完全私密。这种形式的 AI 不仅帮助用户管理信息，还能与全球网络中的其他 AI 进行交互，从而促进创造力和协作。Second Me 的主要优点在于它保护用户的隐私，让用户真正掌控自己的数字身份，适合技术爱好者、AI 专家和各领域专业人士。此产品当前处于开发阶段，用户可以在 GitHub 上获取最新版本。

开发者可互动体验 OpenAI API 中的新语音模型gpt-4o-transcribe， gpt-4o-mini-transcribe and gpt-4o-mini-tts。

OpenAI.fm 是一个互动演示平台，允许开发者体验 OpenAI API 中的最新文本转语音模型gpt-4o-transcribe， gpt-4o-mini-transcribe and gpt-4o-mini-tts。该技术能够生成自然流畅的语音，使得文本内容生动而易于理解。它适用于各种应用场景，尤其是在语音助手和内容创作方面，能够帮助开发者更好地与用户沟通，提升用户体验。该产品定位于高效的语音合成，适合希望整合语音功能的开发者。

一个开源文本转语音系统，致力于实现人类语音的自然化。

Orpheus TTS 是一个基于 Llama-3b 模型的开源文本转语音系统，旨在提供更加自然的人类语音合成。它具备较强的语音克隆能力和情感表达能力，适合各种实时应用场景。该产品是免费的，旨在为开发者和研究者提供便捷的语音合成工具。

AI Tattoo Generator 是一款利用人工智能技术快速生成个性化纹身设计的在线工具。

AI Tattoo Generator 是一款基于人工智能的在线纹身设计工具，能够根据用户输入的内容和选择的风格快速生成独特的纹身设计。它利用先进的 AI 技术，将用户的创意和想法转化为具体的纹身图案，为纹身爱好者和纹身艺术家提供了便捷的设计解决方案。该产品的出现填补了纹身设计领域的空白，为纹身设计带来了更多的可能性和创意空间。其主要优点包括操作简单、设计快速、风格多样等，用户无需具备专业的设计技能即可轻松上手。此外，该工具还提供免费的使用次数，降低了用户的使用门槛，使其在市场上具有较高的竞争力。

CSM 1B 是一个由 Sesame 开发的文本到语音生成模型，可生成高质量的音频。

CSM 1B 是一个基于 Llama 架构的语音生成模型，能够从文本和音频输入中生成 RVQ 音频代码。该模型主要应用于语音合成领域，具有高质量的语音生成能力。其优势在于能够处理多说话人的对话场景，并通过上下文信息生成自然流畅的语音。该模型开源，旨在为研究和教育目的提供支持，但明确禁止用于冒充、欺诈或非法活动。

一个用于生成对话式语音的模型，支持从文本和音频输入生成高质量的语音。

CSM 是一个由 Sesame 开发的对话式语音生成模型，它能够根据文本和音频输入生成高质量的语音。该模型基于 Llama 架构，并使用 Mimi 音频编码器。它主要用于语音合成和交互式语音应用，例如语音助手和教育工具。CSM 的主要优点是能够生成自然流畅的语音，并且可以通过上下文信息优化语音输出。该模型目前是开源的，适用于研究和教育目的。

Sesame AI 是一款先进的语音合成平台，能够生成自然对话式语音并具备情感智能。

Sesame AI 代表了下一代语音合成技术，通过结合先进的人工智能技术和自然语言处理，能够生成极其逼真的语音，具备真实的情感表达和自然的对话流程。该平台在生成类似人类的语音模式方面表现出色，同时能够保持一致的性格特征，非常适合内容创作者、开发者和企业，用于为其应用程序增添自然语音功能。目前尚不清楚其具体价格和市场定位，但其强大的功能和广泛的应用场景使其在市场上具有较高的竞争力。

通过3D AI虚拟形象革新你的链接生物，提供个性化互动体验。

TOSI是一款创新的在线工具，专注于通过3D AI虚拟形象为用户提供个性化、互动式的链接分享体验。它利用人工智能技术，让用户能够创建一个代表自己的虚拟形象，该形象可以与访客进行互动聊天，分享链接。这种创新方式不仅提升了用户体验，还为社交媒体、网站等平台的链接分享提供了全新的解决方案。TOSI的主要优点在于其个性化、互动性和创新性，能够帮助用户在众多链接分享工具中脱颖而出。目前，TOSI处于早期访问阶段，用户无需信用卡即可免费体验。

Crosshatch 是一个提供超个性化体验的平台，通过用户偏好和历史数据实现定制化服务。

Crosshatch 是一个专注于超个性化体验的平台，它允许用户通过简单的操作分享自己的偏好和历史数据，从而为企业提供深度定制化的服务。这种技术的重要性在于，它能够超越传统的点击数据，利用用户的完整上下文来创建更具相关性和影响力的个性化体验。Crosshatch 的主要优点包括强大的隐私保护、快速的用户入职流程以及实时体验更新。它主要面向企业用户，帮助企业通过个性化服务提升用户参与度和转化率。其定价为付费模式，具体价格需根据企业需求定制。

Spark-TTS 是一种基于大语言模型的高效单流解耦语音合成模型。

Spark-TTS 是一种基于大语言模型的高效文本到语音合成模型，具有单流解耦语音令牌的特性。它利用大语言模型的强大能力，直接从代码预测的音频进行重建，省略了额外的声学特征生成模型，从而提高了效率并降低了复杂性。该模型支持零样本文本到语音合成，能够跨语言和代码切换场景，非常适合需要高自然度和准确性的语音合成应用。它还支持虚拟语音创建，用户可以通过调整参数（如性别、音高和语速）来生成不同的语音。该模型的背景是为了解决传统语音合成系统中效率低下和复杂性高的问题，旨在为研究和生产提供高效、灵活且强大的解决方案。目前，该模型主要面向学术研究和合法应用，如个性化语音合成、辅助技术和语言研究等。

根据飞行路径创建个性化Spotify歌单，涵盖飞行经过地区的音乐。

Hype My Flight 是一个创意音乐服务，通过结合飞行路径和音乐，为用户提供独特的空中音乐体验。它利用地理位置信息和音乐数据库，生成与飞行轨迹相匹配的个性化歌单。这种创新方式不仅增加了飞行的乐趣，还让用户能够体验到不同地区的音乐文化。产品目前以网站形式提供服务，适合喜欢音乐和旅行的用户。其主要优点是个性化和趣味性，能够为用户提供独特的音乐体验。

基于Llama框架的TTS基础模型，兼容16万小时标记化语音数据。

Llasa是一个基于Llama框架的文本到语音（TTS）基础模型，专为大规模语音合成任务设计。该模型利用16万小时的标记化语音数据进行训练，具备高效的语言生成能力和多语言支持。其主要优点包括强大的语音合成能力、低推理成本和灵活的框架兼容性。该模型适用于教育、娱乐和商业场景，能够为用户提供高质量的语音合成解决方案。目前该模型在Hugging Face上免费提供，旨在推动语音合成技术的发展和应用。

Octave TTS 是首个能够理解文本含义的语音合成模型，能够生成富有情感和风格的语音。

Octave TTS 是由 Hume AI 开发的下一代语音合成模型，它不仅能够将文本转换为语音，还能理解文本的语义和情感，从而生成富有表现力的语音输出。该技术的核心优势在于其对语言的深度理解能力，使其能够根据上下文生成自然、生动的语音，适用于多种应用场景，如有声读物、虚拟助手和情感化语音交互等。Octave TTS 的出现标志着语音合成技术从简单的文本朗读向更具表现力和交互性的方向发展，为用户提供更加个性化和情感化的语音体验。目前，该产品主要面向开发者和创作者，通过 API 和平台提供服务，未来有望扩展到更多语言和应用场景。

工业级可控高效的零样本文本到语音系统

IndexTTS 是一种基于 GPT 风格的文本到语音（TTS）模型，主要基于 XTTS 和 Tortoise 进行开发。它能够通过拼音纠正汉字发音，并通过标点符号控制停顿。该系统在中文场景中引入了字符-拼音混合建模方法，显著提高了训练稳定性、音色相似性和音质。此外，它还集成了 BigVGAN2 来优化音频质量。该模型在数万小时的数据上进行训练，性能超越了当前流行的 TTS 系统，如 XTTS、CosyVoice2 和 F5-TTS。IndexTTS 适用于需要高质量语音合成的场景，如语音助手、有声读物等，其开源性质也使其适合学术研究和商业应用。

Fiverr Go 是一套 AI 助力工具，赋能自由职业者训练个性化 AI 模型，为客户提供即时独特作品。

Fiverr Go 是 Fiverr 推出的创新工具，旨在通过 AI 技术提升自由职业者的生产力和创造力。它允许自由职业者训练和管理个性化 AI 模型，生成符合其独特风格的内容，如图像、文案和音频等。这种技术不仅提高了创作效率，还确保了自由职业者对其作品的创意所有权。Fiverr Go 的出现，满足了市场对快速、高质量内容的需求，同时为自由职业者提供了新的商业机会和收入来源。其主要面向 Level 2 及以上自由职业者，AI Creation Models 价格为每月 25 美元，包含 3 个活跃模型和每月 2 次重新训练。

提供实时AI语音生成和AI客服代理服务，助力企业提升客户体验。

Smallest AI 是一家专注于提供实时 AI 服务的公司，旗下 Waves 和 Atoms 产品分别专注于生成高质量的 AI 语音和提供实时 AI 客服代理。Waves 能够实时生成任何口音、语言或情感的 AI 语音，适用于需要个性化语音交互的场景；Atoms 则通过 AI 与客户进行电话沟通，减轻企业客服负担。该技术的重要性在于能够帮助企业提升客户体验，同时降低人力成本。其定位是为企业提供高效、个性化的 AI 解决方案，具体价格未在页面中明确提及，但根据其服务性质推测可能为付费模式。

通过AI技术帮助用户发现职业可能性，塑造个人职业身份。

Career Dreamer 是一个由 Google 开发的实验性工具，旨在利用 AI 技术帮助用户探索职业可能性。它通过分析用户的生活经历和技能，生成职业身份陈述，并推荐与用户背景相符的职业路径。该工具强调个性化和数据驱动，帮助用户更好地了解自己的职业价值，增强求职信心。作为 Google '成长计划'的一部分，它主要面向教育和职业发展领域，目前仅在美国提供服务。

一个提供语音克隆和AI语音内容创作的平台。

Supertone Play是一个专注于语音克隆和AI语音内容创作的平台。它利用先进的AI技术，让用户能够通过简单的语音输入，创造出个性化的语音内容。这种技术可以广泛应用于娱乐、教育、商业等多个领域，为用户提供了一种全新的表达和创作方式。平台的语音克隆功能可以让用户在短时间内创建出独特的语音模型，而AI语音内容创作则可以根据用户的需求生成高质量的语音内容。这种技术的主要优点是高效、个性化和创新性，能够满足不同用户在语音创作方面的需求。

AI聊天助手，帮你创建完美的开场白和互动对话，提升约会体验。

Rizz App AI 是一款专注于约会和社交场景的AI聊天助手。它通过先进的AI技术，结合实时学习和数据分析，为用户提供个性化、流畅的聊天话术。该产品的主要优点是能够帮助用户在约会中脱颖而出，提高配对回复率，同时保持真实性和隐私性。它适合那些希望通过智能工具提升社交能力和约会成功率的用户。产品提供免费版、专业版和尊享版三种定价方案，满足不同用户的需求。

星声AI是一个AI播客生成器，可以从任何内容生成AI博客。

星声AI是一款专注于生成AI播客的工具。它利用先进的LLM模型（如kimi）和TTS模型（如Minimax Speech-01-Turbo），能够将文本内容快速转化为生动的播客。该技术的主要优点在于高效的内容生成能力，能够帮助创作者快速制作播客，节省时间和精力。星声AI适合内容创作者、播客爱好者以及需要快速生成音频内容的用户。其定位是为用户提供便捷的播客生成解决方案，目前暂无明确价格信息。

专业的AI写作工具，免费批量文章生成，提升写作效率。

松果AI写作是一款专为写作设计的智能工具，基于大模型技术，帮助用户快速生成高质量的文本内容。其特点在于支持批量生成，单次最高可一次性生成40篇文章。无论是文章、报告还是创意文案，都能提供个性化的写作辅助，提升写作效率。该产品由成都数智一二三科技有限公司开发，目前提供免费试用，新用户注册后即送10000创作积分，后续可通过订阅付费会员或充值积分获得更多额度。

Zonos-v0.1-hybrid 是一款领先的开源文本转语音模型，能够提供高质量的语音合成服务。

Zonos-v0.1-hybrid 是由 Zyphra 开发的一款开源文本转语音模型，它能够根据文本提示生成高度自然的语音。该模型经过大量英语语音数据训练，采用 eSpeak 进行文本归一化和音素化，再通过变换器或混合骨干网络预测 DAC 令牌。它支持多种语言，包括英语、日语、中文、法语和德语，并且可以对生成语音的语速、音调、音频质量和情绪等进行精细控制。此外，它还具备零样本语音克隆功能，仅需 5 到 30 秒的语音样本即可实现高保真语音克隆。该模型在 RTX 4090 上的实时因子约为 2 倍，运行速度较快。它还配备了易于使用的 gradio 界面，并且可以通过 Docker 文件简单安装和部署。目前，该模型在 Hugging Face 上提供，用户可以免费使用，但需要自行部署。

一款AI驱动的营养健康应用，帮助用户轻松追踪宏量营养素和卡路里，实现健康目标。

MacroMate是一款以AI技术为核心的营养健康管理应用。它通过智能识别食物照片、语音输入等方式，帮助用户轻松记录饮食，并提供个性化的饮食计划和健康建议。该应用结合了先进的AI算法和营养科学，旨在帮助用户更高效地管理饮食，实现健康目标。其主要优点包括便捷性、个性化和科学性，适合追求健康生活方式的用户。目前，MacroMate主要通过应用商店付费下载，定位为中高端健康应用市场。

LLaSA： 扩展基于 LLaMA 的语音合成的训练时间和测试时间计算量

LLaSA_training 是一个基于 LLaMA 的语音合成训练项目，旨在通过优化训练时间和推理时间的计算资源，提升语音合成模型的效率和性能。该项目利用开源数据集和内部数据集进行训练，支持多种配置和训练方式，具有较高的灵活性和可扩展性。其主要优点包括高效的数据处理能力、强大的语音合成效果以及对多种语言的支持。该项目适用于需要高性能语音合成解决方案的研究人员和开发者，可用于开发智能语音助手、语音播报系统等应用场景。

Llasa-1B 是一个基于 LLaMA 的文本转语音 (TTS) 模型，支持中英文语音合成。

Llasa-1B 是一个由香港科技大学音频实验室开发的文本转语音模型。它基于 LLaMA 架构，通过结合 XCodec2 代码本中的语音标记，能够将文本转换为自然流畅的语音。该模型在 25 万小时的中英文语音数据上进行了训练，支持从纯文本生成语音，也可以利用给定的语音提示进行合成。其主要优点是能够生成高质量的多语言语音，适用于多种语音合成场景，如有声读物、语音助手等。该模型采用 CC BY-NC-ND 4.0 许可证，禁止商业用途。

Llasa-3B 是一个基于 LLaMA 的文本到语音合成模型，支持中英文语音生成。

Llasa-3B 是一个强大的文本到语音（TTS）模型，基于 LLaMA 架构开发，专注于中英文语音合成。该模型通过结合 XCodec2 的语音编码技术，能够将文本高效地转换为自然流畅的语音。其主要优点包括高质量的语音输出、支持多语言合成以及灵活的语音提示功能。该模型适用于需要语音合成的多种场景，如有声读物制作、语音助手开发等。其开源性质也使得开发者可以自由探索和扩展其功能。