音频

1. 首页
2. 音频

ACE Studio

ACE Studio搭载了先进的自动化功能，能一键识别MIDI文件、歌词和音高，自动转换为干声，极大地提高了创作效率。

创作工具 1970年01月01日 0 点赞 0 评论 233 浏览

Nova A.I.

一款简单却强大的在线视频编辑和日志软件，由计算机视觉视频搜索引擎提供支持。

视频剪辑 2025年06月05日 25 点赞 0 评论 233 浏览

Stability AI

Stability AI提供了一套完整的生成式AI模型，覆盖图像、视频和音频等多个领域，旨在推动AI技术的普及和应用。

Ai视频生成 1970年01月01日 0 点赞 0 评论 230 浏览

TTS

TTS语音向导是一种工具，允许用户通过微软Azure语音识别和TTS将语音转换为文本，然后再转换回语音。它还向VRChat发送OSC消息以在头像上显示文本。该工具有许多自定义选项，包括100...

Ai语音工具 1970年01月01日 0 点赞 0 评论 230 浏览

Auphonic

Auphonic是一款利用人工智能技术的在线音频后期处理工具，提供自动音量平衡、降噪、混响减少、滤波、静音剪切等功能，适用于播客制作、广播电台、电影视频制作等多个场景，支持多语言语音转文字及视频章节生成，提供免费和多种付费订阅方案。

AI项目与工具 2025年06月12日 61 点赞 0 评论 230 浏览

EzAudio

EzAudio是一款基于文本到音频（Text-to-Audio, T2A）生成模型，通过优化的扩散变换器架构和高效的数据训练策略，实现了快速生成高质量音频的功能。它支持多种应用场景，如音乐创作、影视后期制作、语音合成等，并具备高保真度和低资源消耗的特点。

AI项目与工具 2025年06月12日 73 点赞 0 评论 230 浏览

Video

Video-LLaVA2是一款由北京大学ChatLaw课题组开发的开源多模态智能理解系统。该系统通过时空卷积（STC）连接器和音频分支，显著提升了视频和音频的理解能力。其主要功能包括视频理解、音频理解、多模态交互、视频问答和视频字幕生成。时空建模和双分支框架是其核心技术原理。Video-LLaVA2广泛应用于视频内容分析、视频字幕生成、视频问答系统、视频搜索和检索、视频监控分析及自动驾驶等领域。

AI项目与工具 2025年06月12日 50 点赞 0 评论 229 浏览

Musico

Musico 是一个人工智能驱动的软件引擎，可以生成音乐。 它可以对手势、动作、代码或其他声音做出反应。

创作工具 1970年01月01日 0 点赞 0 评论 228 浏览

WorldSense

WorldSense是由小红书与上海交通大学联合开发的多模态基准测试工具，用于评估大型语言模型在现实场景中对视频、音频和文本的综合理解能力。该平台包含1662个同步视频、3172个问答对，覆盖8大领域及26类认知任务，强调音频与视频信息的紧密耦合。所有数据经专家标注并多重验证，确保准确性。适用于自动驾驶、智能教育、监控、客服及内容创作等多个领域，推动AI模型在多模态场景下的性能提升。

AI项目与工具 2025年06月12日 61 点赞 0 评论 227 浏览

Loopy AI

字节跳动和浙江大学联合开发的音频驱动的AI视频生成模型，能够将静态图像转化为动态视频，实现音频与面部表情、头部动作的完美同步。

Ai视频生成 2025年06月05日 93 点赞 0 评论 227 浏览