语音

1. 首页
2. 语音

Ming

Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型，基于MoE架构，支持文本、图像、音频和视频等多种模态的输入输出，具备强大的理解和生成能力。模型在多个任务中表现优异，如图像识别、视频理解、语音问答等，适用于OCR识别、知识问答、视频分析等多个领域。其高效处理能力和多模态交互特性，为用户提供一体化智能体验。

AI项目与工具 2025年06月11日 79 点赞 0 评论 447 浏览

Nova Sonic

Nova Sonic是亚马逊推出的生成式AI语音模型，集成语音理解和生成功能，支持多种语言和口音，具备高准确性与自然对话能力。其采用HiFi语音识别技术，平均单词错误率低至4.2%，支持实时信息获取与请求路由，适用于客户服务、教育、医疗、旅游及娱乐等多个领域。该模型具备低延迟和高性价比优势，是当前市场上较为突出的语音处理工具。

AI项目与工具 2025年06月12日 61 点赞 0 评论 448 浏览

ReadSpeaker

ReadSpeaker 提供了一系列强大的文本转语音解决方案，可在任何环境中即时部署逼真、定制的语音交互。

创作工具 1970年01月01日 0 点赞 0 评论 448 浏览

Auri.AI

Auri AI是一款人工智能写作助手，旨在帮助用户更快、更智能地写作。它提供了拼写和语法纠正、释义、翻译、文本生成、快速创建笔记等功能。它支持25种以上的语言

Ai语音工具 1970年01月01日 0 点赞 0 评论 449 浏览

音剪

专业音频制作，激发创新灵感，释放创意潜力，让你的音频创作更自由、便捷和精彩

创作工具 1970年01月01日 0 点赞 0 评论 449 浏览

OuteTTS

OuteTTS是一款基于开源技术的文本到语音（TTS）工具，利用纯语言建模方法生成自然语音。它支持语音克隆和自定义说话人声音，具备音频标记化、CTC强制对齐和结构化提示创建等功能。OuteTTS与llama.cpp和GGUF格式兼容，适用于有声读物、智能客服、语音导航等多种应用场景。

AI项目与工具 2025年06月12日 36 点赞 0 评论 450 浏览

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

AI项目与工具 2025年06月11日 55 点赞 0 评论 450 浏览

蘑兔听记

一款音视频转文字工具，超98%的语音识别准确率，30分钟音频只需3分钟就可转成文字，支持20多种方言、30余种外语，极大提高了工作和学习效率。

Ai语音工具 2025年06月05日 26 点赞 0 评论 452 浏览

硅语AI知识创业平台

硅语AI知识创业平台是一款基于人工智能技术的数字人解决方案，主要功能涵盖AI数字人克隆、语音合成、智能提词、字幕生成及美颜滤镜等。它支持多种应用场景，如教育、营销、内容创作和个人品牌建设，为用户提供便捷高效的数字人创建体验。

AI项目与工具 2025年06月12日 91 点赞 0 评论 453 浏览

VideoGen

一款能够在几秒钟内生成高质量、无版权的AI视频生成器。具有逼真AI声音的语音合成引擎、优化的视频编辑器和数百万商用免版税素材，为个人、企业和团队提供了一个快速、简单的视频制作体验。

Ai视频生成 2025年06月05日 29 点赞 0 评论 453 浏览