语音
  1. 首页
  2. 语音

列表

紫东太初 – 多模态大模型

紫东太初 – 多模态大模型

“紫东太初”平台展现了中国科学院自动化研究所在人工智能领域的深厚实力。它不仅具备强大的多模态处理能力，还通过自监督学习和跨模态语义关联技术，为广泛的AI应用提供了坚实的模...
Ai平台模型 1970年01月01日
Open NotebookLM

Open NotebookLM

Open NotebookLM是一个开源工具，能够将PDF文档转换为播客形式的音频内容。它基于Llama 3.1 405B、MeloTTS和Bark等先进AI模型，生成自然流畅的对话式音频，并支持多语言及个性化音调设置。用户可通过简单易用的Gradio界面上传PDF文件并下载MP3格式的音频文件，适用于教育、科研、商业分析等多个领域。
AI项目与工具 2025年06月12日
Moshi

Moshi

Moshi是一款由法国Kyutai实验室开发的端到端实时音频多模态AI模型，具备听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。Moshi具有多模态交互、情绪和风格表达、实时响应低延迟、语音理解与生成、文本和音频混合预训练以及本地设备运行等特点。它支持英语和法语，主要应用于虚拟助手、客户服务、语言学习、内容创作、辅助残障人士、研究和开发、娱乐和游戏等领域。
AI项目与工具 2025年06月12日
HumanOmni

HumanOmni

HumanOmni 是一款面向人类中心场景的多模态大模型，融合视觉与听觉信息，具备情感识别、面部描述、语音理解等功能。基于大量视频与指令数据训练，采用动态权重调整机制，支持多模态交互与场景理解。适用于影视分析、教育、广告及内容创作等领域，具备良好的可扩展性和灵活性。
AI项目与工具 2025年06月12日
网易见外

网易见外

网易见外是由网易人工智能事业部研发的AI智能语音转写听翻平台，提供视频听翻、直播听翻、语音转写、文档直翻等功能。
Ai语音工具 1970年01月01日
Gemini Live

Gemini Live

Gemini Live是一款由谷歌开发的智能语音助手，拥有自然语言理解和多模态识别能力，支持语音、图像和视频交互。其主要功能包括自然语言对话、多模态识别、个性化语音选择、任务自动化以及智能打断和续接。此外，Gemini Live还与谷歌的原生应用深度集成，提升用户体验。目标用户包括商务人士、技术探索者、多语言用户、创意人士和老年人。
AI项目与工具 2025年06月12日
ChatAA

ChatAA

一款基于OpenAi的GPT3.5和4.0接口开发的聊天网站，旨在为用户提供高效便捷的沟通体验，使用体验和ChatGPT一致。
AI写作对话 2025年06月05日
NotesGPT

NotesGPT

NotesGPT是一款开源的AI语音笔记工具，具备语音转录、自动总结及任务生成等功能，采用先进技术保障转录准确性与任务生成效率，支持多语言并适配多种使用场景，如会议记录、学术研究及个人备忘等。
AI项目与工具 2025年06月12日
Martin

Martin

Martin是一款由大学生团队开发的人工智能助手，支持语音交互与多平台通信，具备日程管理、邮件处理、任务跟踪、文件管理等功能。它通过自定义记忆架构理解用户偏好，提供个性化服务，适用于日常办公和生活管理，提升工作效率与便利性。
AI项目与工具 2025年06月12日