FunASR FunASR是一个由阿里巴巴达摩院开源的多功能语音识别工具包，涵盖语音识别（ASR）、语音活动检测（VAD）、标点恢复、说话人验证及分离等功能。它支持工业级模型的训练与微调，并提供预训练模型和易用接口，便于快速部署。新增的Whisper-large-v3-turbo模型进一步提升了其性能，广泛应用于智能助手、会议记录、客服系统和语音搜索等领域。 AI项目与工具 2025年06月12日 99 点赞 0 评论 658 浏览
Amphion Amphion是一款开源音频生成工具包，包含文本转语音（TTS）、歌声合成（SVS）、语音转换（VC）、歌声转换（SVC）、文本转音频（TTA）和文本转音乐（TTM）等功能。它支持多种神经声码器，并提供可视化模型架构，帮助用户快速掌握音频生成技术。通过统一框架和预训练模型，Amphion推动了音频生成领域的研究和应用发展。 AI项目与工具 2025年06月12日 63 点赞 0 评论 659 浏览
Dinox Dinox是一款基于AI技术的语音笔记应用，主要功能包括实时语音转录、本地优先存储、多平台同步、智能生成笔记标题和分类、自动双链及私人AI助理。该应用可帮助用户高效记录灵感和信息，适用于个人日记、会议记录、学习笔记、创意写作及项目管理等多种应用场景。 AI项目与工具 2025年06月12日 28 点赞 0 评论 661 浏览
LatentLM LatentLM是一款由微软与清华大学合作开发的多模态生成模型，能够统一处理文本、图像、音频等多种数据类型。它基于变分自编码器（VAE）和因果Transformer架构，支持自回归生成与跨模态信息共享，特别擅长图像生成、多模态语言模型及文本到语音合成等任务，其提出的σ-VAE进一步提升了模型的鲁棒性。 AI项目与工具 2025年06月12日 67 点赞 0 评论 662 浏览
clone Clone-Voice是一款基于深度学习的声音克隆工具，支持16种语言的文本转语音及声音风格转换，具有友好的操作界面和较低的硬件要求。它被广泛应用于视频制作、语言学习、有声出版物创作、广告宣传及游戏开发等领域，为用户提供多样化的个性化声音解决方案。 AI项目与工具 2025年06月12日 18 点赞 0 评论 662 浏览
EzVideos 一款能够快速生成适用于Instagram、TikTok和YouTube的爆款短视频工具，EzVideos能够自动完成视频编辑，让用户专注于内容创作。 Ai视频生成 2025年06月05日 21 点赞 0 评论 663 浏览
知意配音 知意配音是一款利用AI技术的文字转语音工具，支持多平台操作，拥有超过200种声音选项，可满足多种配音需求。它具备多音字识别、文案提取、视频字幕编辑等功能，适用于小说推文、影视解说、广告制作等多个领域，是自媒体创作者和视频制作者的理想助手。 AI项目与工具 2025年06月12日 38 点赞 0 评论 663 浏览
MeloTTS MeloTTS是一个高质量的多语言文本转语音（TTS）库，由MyShell AI开发。该工具支持多种语言的文本转语音任务，包括英语（含不同口音）、西班牙语、法语、中文、日语和韩语，并具备快速的语音合成速度。MeloTTS不仅支持中英混合发音，还易于安装和使用，适用于多种操作系统和环境。用户可以在GitHub和Hugging Face平台上获取和体验MeloTTS。 AI项目与工具 2024年01月01日 57 点赞 0 评论 663 浏览
