Deepgram
语音 AI 一个提供语音到文本、文本到语音以及语言理解 API 的语音 AI 平台。它被全球顶尖企业、对话式 AI 领导者和初创公司所信赖，适用于医疗转录到自主代理等多种场景。
最强开源端到端语音大模型 阶跃星辰发布的Step-Audio2mini是一款开源的端到端语音大模型，能够实现语音理解、音频推理与生成的统一建模。
数据统计
相关导航
Deep-Live-Cam
Deep-Live-Cam是一个开源的实时面部交换和一键式视频深度伪造工具，它允许用户仅使用单张图片即可生成深度伪造视频。
阿里
Qwen3.5 开源大模型 Qwen3.5 是阿里巴巴即将推出的新一代开源基座大模型，采用全新混合注意力机制，大概率为原生视觉理解 VLM 模型，计划春节期间开源并推出多规格模型版本，目前已完成多个主流 AI 开发框架的适配开发。
腾讯Youtu-agent框架
Youtu-agent是由腾讯优图实验室推出的开源智能体框架，旨在帮助用户构建、运行和评估自主智能体。
Hume AI Voice Conversion
一次录音即可把“声音灵魂”完整移植到任意目标声线 Hume AI Voice Conversion：一次录音即可把“声音灵魂”完整移植到任意目标声线，实现带情感的跨语言、跨性别、跨风格语音转换。
Finevoice AI
轻松创建您想象中的声音 FineVoice是由Fineshare推出的多功能AI语音工具，集成了实时变声、语音克隆、文本转语音、语音转文本及AI音效生成等功能，支持149种语言和1000多种AI声音模型，让用户无需专业设备即可创作出专业级配音内容。
ComfyUI-AdvancedLivePortrait
一个开源的实时人像美化和背景替换工具，基于深度学习技术，为视频通话、直播和虚拟背景应用提供高级视觉效果。
DingTalk A1
钉钉首款 AI 录音硬件，一句话搞定职场记录与分析 DingTalk A1 是钉钉推出的 3.8 mm 超薄 AI 录音笔，通过蓝牙与钉钉 App 连接，即可在 8 米内高清收音并实时完成 97% 准确率的语音转写、多语言翻译和智能总结，为职场沟通与学习场景提供一站式语音记录与分析服务。
暂无评论...