音频
InspireMusic
InspireMusic是由阿里巴巴通义实验室开发的AI音乐生成工具，支持通过文字描述或音频提示生成多种风格的音乐作品。其核心技术包括音频 tokenizer、自回归 Transformer 模型、扩散模型（CFM）和 Vocoder，实现文本到音乐的转换、音乐续写及高质量音频输出。该工具支持长音频生成、多种采样率，并提供快速与高音质两种推理模式，适用于音乐创作、音频处理及个性化音乐生成等场景。
LipRead Pro
LipRead Pro 是一款基于AI技术的视频唇读工具，可将视频中的唇部动作转换为文字，支持多语言和口音识别。其高精度算法确保了文字输出的准确性，适用于内容创作、无障碍辅助、安全监控、历史档案修复等多种场景。操作简便，处理高效，注重用户数据隐私保护，适合专业用户和普通用户使用。
MusicFX DJ
MusicFX DJ是一款由Google DeepMind开发的人工智能音乐生成工具，利用实时文本提示生成多样化音乐作品。它支持多提示词混合、风格精细调控、乐器编排以及高质量音频输出等功能，适用于个人创作、现场表演、音乐教育及社交媒体内容制作等多个场景，为音乐爱好者和专业人士提供便捷高效的创意工具。
MultiFoley
MultiFoley是一款基于多模态控制的音效生成系统，能够根据文本、音频或视频输入生成与视频同步的高质量Foley声音效果。它支持文本驱动和音频驱动的音效生成，同时具备音频扩展和质量控制功能，广泛应用于电影、游戏、动画及虚拟现实等领域，为用户提供灵活且高效的声音设计解决方案。
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。
YouTube Dubbing
YouTube Dubbing是一款利用AI技术实现跨语言视频观看的浏览器插件。它通过智能同步配音和字幕翻译功能，帮助用户轻松克服语言障碍，提升视频观看体验。支持多语言、多平台操作，提供多种语音风格和高级功能如倍速播放、背景音保留等，适合语言学习、国际教育、商务会议等多种应用场景。
