MetaVoice Studio MetaVoice Studio允许用户录制自己的声音或上传文件来创建自定义语音剪辑。它提供了一个免费的计划，有6个声音，30秒的剪辑长度，和一个非商业许可。付费计划包括8个声音、10分钟... 创作工具 1970年01月01日 0 点赞 0 评论 323 浏览
MoonCast MoonCast 是一个零样本播客生成系统，能够从纯文本源合成自然的播客风格语音。它采用长上下文语言模型和大规模语音数据训练，支持中文和英文，生成几分钟长的高质量播客音频。MoonCast 通过特定的LLM提示生成播客脚本，并利用语音合成模块转换为最终音频，具备长音频生成、增强自然性、多语言支持和零样本语音合成等功能。其技术原理包括多阶段训练、短段级别自回归音频重建和自发性增强，适用于内容创作、教 AI项目与工具 2025年06月11日 63 点赞 0 评论 323 浏览
Aero Aero-1-Audio 是一款基于 Qwen-2.5-1.5B 的轻量级音频模型，拥有 1.5 亿参数，专注于长音频处理，支持连续 15 分钟音频输入并保持上下文连贯性。在语音识别、复杂音频分析及指令驱动任务中表现出色，具备高效的训练方法和多任务处理能力，适用于语音助手、实时转写、归档理解等场景。 AI项目与工具 2025年06月11日 43 点赞 0 评论 322 浏览
微微在线二维码生成器 微微二维码是专业二维码制作服务商，提供视频音频二维码生成、图片文件二维码制作、二维码表单登记系统、二维码管理系统，广泛应用于：产品宣传、企业展示、旅游、教育培训、建筑... Ai绘画生成 1970年01月01日 0 点赞 0 评论 321 浏览
3D 3D-Speaker是一个多模态开源项目，专注于通过结合声学、语义和视觉信息，实现高精度的说话人识别和语种识别。其主要功能包括说话人日志、说话人识别、语种识别、多模态识别以及重叠说话人检测。项目提供了工业级模型、训练与推理代码，以及多样化数据集，并支持复杂环境下的语音处理任务。应用场景涵盖会议记录、法庭记录、广播制作、电话客服和安全监控等领域。 AI项目与工具 2025年06月12日 29 点赞 0 评论 320 浏览
TEN Agent TEN Agent 是一款开源的实时多模态 AI 框架，集成了 OpenAI 实时 API 和 RTC 技术，支持语音、文本和图像的多模态交互。它具备天气查询、网络搜索、视觉识别及 RAG 等功能，支持高性能实时通信和模块化扩展，适用于智能客服、语音助手、教育辅助、智能家居控制和健康咨询等多个领域。 AI项目与工具 2025年06月12日 25 点赞 0 评论 320 浏览
AI酱 AI酱是一款结合二次元元素与AI技术的多语言智能聊天工具，支持多种语言交流，具备语音识别和即时反馈功能。它通过生动的角色形象和标准化发音，帮助用户练习外语口语，并能在情绪疏导、旅行规划等方面提供个性化服务。此外，其多角色设定和场景切换功能进一步增强了用户体验。 AI项目与工具 2025年06月12日 37 点赞 0 评论 320 浏览
