Spark Spark-TTS是一款基于大型语言模型的高效文本转语音工具,支持中英文双语及跨语言合成。它无需额外生成模型,通过LLM预测编码直接生成音频,实现零样本语音克隆。用户可自定义语音参数,如音色、语速等,适用于语音助手、多语言内容创作、智能客服及虚拟角色配音等多种场景。 AI项目与工具 2025年06月12日 47 点赞 0 评论 394 浏览
VideoSrt VideoSrt是一个可以识别视频语音自动生成字幕SRT文件的开源软件工具。适用于快速、批量的为媒体(视频/音频)生成中/英文字幕、文本文件的业务场景。 Ai开源项目 2025年06月05日 31 点赞 0 评论 393 浏览
交交 交交是上海交通大学研发的口语对话情感大模型,支持多人对话、多语言交流、方言识别、角色扮演、情感互动及知识问答。具备端到端语音处理、多语言理解、实时音色克隆等功能,适用于教育、家庭、商务、客服等多个场景,展现出强大的语音交互能力与应用潜力。 AI项目与工具 2025年06月11日 12 点赞 0 评论 393 浏览
LOVO AI LOVO AI是一款AI配音软件。用户可以上传一段自己的录音,然后选择AI语音,软件会根据用户的录音内容进行智能识别,然后生成自然流畅的语音。 Ai语音工具 2025年06月05日 35 点赞 0 评论 392 浏览
Lyra Lyra是一款由香港中文大学、SmartMore和香港科技大学联合研发的高效多模态大型语言模型(MLLM)。它通过整合视觉、语音和文本三种模态的信息,实现了强大的跨模态理解和推理能力。Lyra不仅擅长处理长语音数据,还支持流式文本-语音生成及跨模态信息交互,适用于智能助手、客户服务、教育培训、医疗健康等多个领域。 AI项目与工具 2025年06月12日 18 点赞 0 评论 392 浏览
WPS AI WPS AI是金山办公推出的一款具备大语言模型能力的生成式人工智能应用,也是中国协同办公领域的首个类ChatGPT式应用。它主要面向办公、写作和文档处理,旨在通过AI技术提升用户的工... 创作工具 1970年01月01日 0 点赞 0 评论 391 浏览
PaddleSpeech PaddleSpeech是百度飞桨团队开发的开源语音处理工具,涵盖语音识别、语音合成、声纹识别、语音翻译等功能。支持多种接口形式,适用于智能语音助手、语音播报、身份验证等场景。基于PaddlePaddle框架,提供高效的深度学习模型和丰富的音频处理能力,适用于多种实际应用需求。 AI项目与工具 2025年06月12日 87 点赞 0 评论 389 浏览