产品库

全栈式虚拟人多场景应用服务

讯飞虚拟人利用最新的AI虚拟形象技术，结合语音识别、语义理解、语音合成、NLP、星火大模型等AI核心技术，提供虚拟人形象资产构建、AI驱动、多模态交互的多场景虚拟人产品服务。一站式虚拟人音视频内容生产，AIGC助力创作灵活高效；在虚拟'AI演播室'中输入文本或录音，一键完成音、视频作品的输出，3分钟内渲染出稿。

语音转文字,支持实时语音识别、录音文件识别等

腾讯云语音识别(ASR)为开发者提供语音转文字服务的最佳体验。语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求。技术先进,性价比高,多语种支持,适用于客服、会议、法庭等多场景。

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。

由中国电信推出的千亿参数大模型

星辰语义大模型是中国电信推出的千亿参数大模型，具备强大的生成和理解能力。通过缓解多轮幻觉、增强关键信息注意力、强化知识图谱和知识溯源能力，提升模型在推理和回答准确性方面的表现。支持长文本生成和理解、知识问答、逻辑推理、数学能力和代码能力等多项功能，适用于办公、生产协同、客服等场景。

通过AI技术创建虚拟形象，快速生成视频内容。

Gan.AI Avatar利用先进的AI技术，允许用户通过简单的脚本输入快速生成个性化的视频内容。其核心功能是将文本转换为具有逼真表情和语音的虚拟形象视频，极大地提高了内容创作的效率和灵活性。该产品适用于多种商业场景，如房地产、医疗保健、消费品牌等，能够帮助企业提高客户参与度和转化率。Gan.AI提供免费试用，同时也有不同级别的付费计划以满足不同用户的需求。

改变客户服务体验的AI虚拟形象

Avtaar.ai是一款革命性的客户服务解决方案，通过逼真的AI虚拟形象提升用户体验、推动业务增长和提高效率。该产品具有可定制、模块化和多平台的特点。通过Avtaar.ai，您可以为您的业务提供全新的客户服务体验，提高效率，实现业务增长。

在线创建AI虚拟形象视频，实时互动。

HeyGen Interactive Avatar是一个在线AI视频生成器，专注于创建和优化虚拟形象视频，支持实时互动。它允许用户创建一个为连续流媒体优化的虚拟形象，同时提醒用户保持头部和手部的最小动作。HeyGen的背景信息包括与Baron David和Ryan Hoover等知名人士的合作，产品目前处于Beta测试阶段，提供免费试用。

Ai语音销售虚拟助手

Phonetiks.ai是一款Ai语音销售虚拟助手，能够进行完整的10-40分钟电话交谈，声音和真人一样，具有无限记忆、完美回忆，并能自主操作超过6000个应用程序。它可以完成全职代理的所有工作，无需培训、管理或激励。它可以全年无休地工作。

一对一随机配对聊天的 AI 人工智能

Meet an AI 是一个让用户可以与随机的 AI 人工智能进行一对一聊天的平台。它可以提供智能回复、语义理解、自然语言处理等功能，为用户提供有趣而又富有互动性的聊天体验。无论是想找个伴聊天，还是想进行有趣的闲聊，Meet an AI 都能满足你的需求。

AI驱动的网页信息组织工具

Exa是一个为AI应用设计的网页信息组织工具，它通过语义搜索、内容抓取、相似性搜索等功能，帮助用户快速获取所需信息，避免信息过载和错误信息。Exa的语义搜索能够理解语义含义，而不仅仅是关键词匹配，提供更精准的搜索结果。此外，Exa支持从任何网页抓取完整且清洗过的内容，以及通过URL或长文本找到相似结果。Exa还提供了强大的过滤功能，允许用户根据域名、日期范围或数据类别进行搜索。Exa的API支持Python、Javascript和Curl等编程语言，易于集成到现有系统中。

知我AI,一款会聊天的中文AI

知我AI是一款会聊天的中文AI产品。它采用先进的自然语言处理技术,能够进行人机自然对话。用户可以与知我AI进行日常闲聊、讨论时事热点、获得生活建议等。知我AI还具有一定的情感和个性,会给用户带来更丰富的交互体验。知我AI具有安全可靠的技术体系,用户可以放心使用。

360集团推出的新一代AI搜索引擎

360AI搜索是360集团推出的新一代AI搜索引擎,通过语义理解、知识图谱等技术,可以准确理解用户的搜索意图,主动提问补全信息,从海量网页中深度提取相关内容,最终给出结构清晰、全面准确的答案,大大提升了搜索的便捷性和准确性。

使用自得语音技术，创造属于你的角色

自得语音技术可通过简单的步骤创造出属于你的角色。类似GPT，可生成与真人无异的语音片段，在情感、音色和语速等方面与真人一致。自得语音支持快速定制角色，只需要上传一段语音即可立即生成属于你的语音角色。无需下载软件，可在浏览器上完成语音生成。同时提供API接口，方便开发者集成到自己的产品中。商用用户可享受7x24小时的技术支持。

AI语音助手,代替您进行个性化回复

AI Twin是一个基于AI的虚拟助手,它可以在语音通话中准确地模拟您的声音及语调,从而以极其逼真的方式代表您进行交流。无论您是网红、专业人士、企业家还是时间紧迫的忙碌者,AI Twin都可以帮助您代理个性化的语音回复,使您能更专注于重要的事情。只需将AI Twin添加到您的个人资料中,它就可以为您处理语音通话中的交互应答,从而帮助您扩大影响力及建立更牢固的人脉关系。

多语种语音理解模型，提供高精度语音识别与情感识别。

SenseVoice是一个包含自动语音识别(ASR)、语音语言识别(LID)、语音情感识别(SER)和音频事件检测(AED)等多语音理解能力的语音基础模型。它专注于高精度多语种语音识别、语音情感识别和音频事件检测，支持超过50种语言，识别性能超越Whisper模型。模型采用非自回归端到端框架，推理延迟极低，是实时语音处理的理想选择。

通过AI驱动的虚拟形象，实现情感智能的实时交互体验。

Rapport AI-Driven Avatars 是一个基于AI技术的虚拟形象平台，专注于创建、动画化和部署具有情感智能的交互式虚拟角色。该平台支持多语言实时交互，适用于各种设备和平台。其核心技术包括实时音频驱动的面部动画和精准的唇部同步，通过与 Speech Graphics 的合作，提供卓越的视觉效果。该产品主要面向教育、企业培训、娱乐和营销等领域，旨在通过沉浸式体验提升用户参与度和学习效果。平台提供免费的探索者层级和付费的创作者层级，后者支持更多高级功能和定制化选项。

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。

在线语音合成与语音识别服务

TTSLabs是一款在线语音合成与语音识别服务，提供高质量、自然流畅的语音合成和准确可靠的语音识别功能。通过简单的API调用，用户可以将文字转化为真实的语音，并且可以将语音转化为文本。TTSLabs提供多种语音风格和多国语言的支持，具有快速响应、高效稳定的特点。价格灵活透明，适用于个人开发者和企业用户。

在线语音识别工具

语音听写是一款免费的在线语音识别软件，可以通过语音输入来帮助您写邮件、文件和文章，无需打字。

将人们变成逼真的虚拟形象

Avaturn是一个提供逼真且可定制的3D虚拟形象的产品。它可以用于元宇宙、游戏或应用程序。Avaturn使用生成式人工智能将2D照片转换为可识别和逼真的3D虚拟形象。用户可以根据自己的喜好自定义虚拟形象的身体类型、发型、服装和配饰，共有超过10,000种外观可供选择。用户还可以将虚拟形象导出为3D模型，并在Blender、Unity、Unreal Engine、Maya、Cinema4D或其他3D环境中加载。虚拟形象具有标准的人形身体骨骼、ARKit混合形状和面部表情。它们与Mixamo动画和VTubing软件兼容。对于开发游戏或应用程序的用户，可以将Avaturn作为插件集成，将玩家转化为游戏角色，同时保留其真实身份。

通过 Pandora Avatars 创建逼真的虚拟形象，用于游戏、社交媒体和虚拟现实应用。

Pandora Avatars 是一款强大的 SaaS 工具，利用人工智能技术，可用于创建逼真的虚拟形象。它可以用于游戏开发、社交媒体和虚拟现实应用。Pandora Avatars 提供了丰富的功能，包括自定义人物特征、动画控制和情感表达。通过使用 Pandora Avatars，用户可以轻松地创建个性化的虚拟形象，并将其集成到各种应用中。该工具的优势在于其高度逼真的图像质量和灵活的定制选项。Pandora Avatars 的定价根据使用情况而定，提供不同的套餐和计费选项，以满足不同用户的需求。它定位于开发者、设计师和创作者，为他们提供一个简便且高效的方式来创建逼真的虚拟形象。

360集团推出的新一代AI搜索引擎

360AI搜索是360集团推出的新一代AI搜索引擎,通过语义理解、知识图谱等技术,可以准确理解用户的搜索意图,主动提问补全信息,从海量网页中深度提取相关内容,最终给出结构清晰、全面准确的答案,大大提升了搜索的便捷性和准确性。

通用语音识别模型

Whisper 是一个通用的语音识别模型。它经过大量多样化音频的训练，并且是一个多任务模型，可以进行多语言语音识别、语音翻译和语种识别。

在线视频制作平台，提供AI虚拟形象和视频制作服务。

Yepic Studio是一个在线视频制作平台，它通过使用人工智能技术，允许用户创建和编辑视频内容，包括制作会说话的照片视频、专业视频以及AI虚拟形象。该平台的主要优点在于能够快速生成高质量的视频内容，同时提供个性化的AI虚拟形象，满足不同商业需求。产品背景信息显示，Yepic Studio旨在为内容创作者和企业提供一个简单易用的在线视频制作工具，以提高内容生产的效率和质量。关于价格，页面显示用户为'Guest'且'Credits'为0，暗示可能有免费试用或基础免费服务，具体定价需进一步查看。

通过网络摄像头将VTuber虚拟形象变为现实，提升直播体验。

VTuber Maker是一款面向虚拟主播（VTuber）的桌面软件，能够通过摄像头捕捉用户表情和动作，实时驱动虚拟形象进行直播或视频创作。它利用先进的面部追踪和动作捕捉技术，为用户提供稳定、高精度的虚拟形象驱动体验。该产品支持多种虚拟形象格式，包括VRM模型，并提供丰富的背景和道具资源，帮助用户快速创建个性化内容。VTuber Maker不仅适合个人创作者，也适用于商业直播场景，其订阅模式提供了免费和付费版本，满足不同用户需求。

语音识别AI购物清单助手

HoneyDo是一款语音识别AI购物清单助手，通过语音输入购物清单，AI将其转化为整洁有序的列表。另外，还支持拍照识别食材并列出清单，以及与家人实时同步共享购物清单等功能。HoneyDo分为免费版和PRO版，PRO版提供无限语音录制和图像捕捉功能。

基于扩散模型的2D虚拟形象生成框架

Make-Your-Anchor是一个基于扩散模型的2D虚拟形象生成框架。它只需一段1分钟左右的视频素材就可以自动生成具有精确上身和手部动作的主播风格视频。该系统采用了一种结构引导的扩散模型来将3D网格状态渲染成人物外观。通过两阶段训练策略,有效地将运动与特定外观相绑定。为了生成任意长度的时序视频,将frame-wise扩散模型的2D U-Net扩展到3D形式,并提出简单有效的批重叠时序去噪模块,从而突破推理时的视频长度限制。最后,引入了一种基于特定身份的面部增强模块,提高输出视频中面部区域的视觉质量。实验表明,该系统在视觉质量、时序一致性和身份保真度方面均优于现有技术。

智能语音旗舰应用，无障碍语言记录与交流。

汉王语音王App是汉王科技基于自研多模态天地大模型，自主研发的智能语音旗舰应用。它集AI语音记录、智能翻译与同声传译于一体，支持AI精准转写、拍录同步、话稿整理、智能总结及不间断实时翻译等功能。依托全栈AI技术，汉王语音王致力于帮助用户跨越语言障碍，提高办公、学习、会议、旅游等场景的效率和便捷性。

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。

Humva 是一个简单易用的虚拟形象生成工具，可快速创建个性化的虚拟形象。

Humva 是一款专注于虚拟形象生成的工具，通过提供丰富的模板和自定义选项，用户可以轻松创建出符合自己需求的虚拟形象。该产品主要面向需要虚拟形象进行内容创作、社交互动或商业展示的用户。其技术优势在于提供多样化的风格选择和便捷的定制功能，用户无需专业的设计技能即可快速生成高质量的虚拟形象。Humva 的定位是为用户提供一个简单、高效且富有创意的虚拟形象生成平台，帮助用户在数字世界中更好地表达自己。