支持

Speech

Speech-02 是 MiniMax 推出的先进文本到语音模型,支持零样本语音克隆和高质量语音合成,具备多语言支持和情感控制功能。采用自回归 Transformer 和 Flow-VAE 架构提升语音自然度和相似度,适用于配音、有声读物、智能助手等多种场景。提供 HD 和 Turbo 两个版本,满足不同性能需求。

MonkeyOCR

MonkeyOCR是由华中科技大学与金山办公联合开发的文档解析模型,能够高效地将非结构化文档内容转换为结构化信息。其支持多种文档类型和语言,处理复杂文档(如公式、表格)效果显著,处理速度达每秒0.84页。基于SRR三元组范式和MonkeyDoc数据集,模型在准确性和效率上表现优异,适用于自动化业务流程、数字存档、智能教育、医疗记录管理及学术研究等场景。

Chatterbox

Chatterbox是Resemble AI推出的开源文本转语音(TTS)模型,基于0.5B规模的LLaMA架构,用超过50万小时精选音频训练。它支持零样本语音克隆,仅需5秒参考音频即可生成高度逼真的个性化语音,并具备情感夸张控制功能,可调节情绪、语速和语调。Chatterbox还拥有超低延迟的实时语音合成能力,延迟低至200毫秒以下,适用于交互式应用。此外,它采用安全水印技术防止滥用,适用于内容

盘搜VIP

人工筛选的网盘搜索工具精选导航网站,盘搜VIP精选各大亲测好用的网盘搜索工具,提供多种网盘搜索工具的链接和推荐,帮助用户找到高质量的资源。

OpenRouter

OpenRouter是一个提供统一接口访问多种AI语言模型的服务平台,支持GPT-4、Claude和开源模型等热门模型。用户能够通过单一API与多个模型进行交互,获得多样化的回答,并通过交互式游乐场测试不同模型的表现。OpenRouter还支持与各种应用程序和框架的集成,简化开发人员将AI功能融入项目的过程。其主要功能包括模型路由、多提供商支持、性能与成本优化、用户反馈学习及开发者工具。

ListenHub

ListenHub 是一款基于 AI 技术的播客生成工具,支持中英文内容处理,可快速生成高质量播客。它能自动生成主题、脚本,并提供超真实人声体验。用户可自定义角色、编辑音频并一键发布至多个平台,适用于个人创作、知识分享和娱乐休闲等多种场景。

DL4J

DL4J开源的使用JVM部署和训练...

书生·筑梦2.0

它不仅提供了更大的创作灵活性,还通过高质量的视频输出满足了用户对画质和帧率的高需求。Vchitect 2.0及其配套的VEnhancer框架,为视频内容创作者提供了强大的工具,以创造更加生...

Buzz

Buzz是一款基于OpenAI Whisper模型的离线语音转文字工具,支持实时语音转文字和音频视频文件转录。它具备多语言识别和翻译功能,支持多种格式导出,并能在本地离线操作以保护用户隐私。主要应用于视频字幕制作、采访记录整理、语言学习辅助、会议记录和学术研究等场景。

Sync Labs

Sync Labs是一款基于AI技术的视频配音工具,其主要功能是实现实时唇形同步,支持多种语言。该工具无需用户进行额外的训练,通过简单的界面操作即可实现音频与视频的完美匹配。它适用于电影、播客、游戏和广告等多种视频内容制作,同时提供了开放API,方便集成到各类应用和服务中。