新Moonshine自动语音识别（ASR）工具
Moonshine是一个为边缘设备提供快速且准确的自动语音识别（ASR）的工具。
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
新AI对口型项目EchoMimic
EchoMimic是一款由蚂蚁集团研究团队推出的创新技术，能够根据音频内容和角色照片生成生动对口型视频。该技术突破了传统方法的局限性，实现了更逼真和动态的人像生成。
新Hume AI OCTAVE
文本转语音 一款革命性的语音语言模型，能够将文本迅速转换为具有真人声和克隆人格特征的语音。
新Thera
无混叠任意尺度超分辨率工具 基于神经热场的无混叠任意尺度超分辨率方法，能够实现高质量的图像放大，同时避免常见的混叠问题。
新Whisper-Medusa Whisper-Medusa
一款基于Whisper模型的优化版语音识别工具，通过多解码头技术显著提升处理速度
新字节推文生图框架 InfiniteYou
个性化图像生成新体验 一款创新的图像生成工具，能够根据用户的文字描述生成高质量的个性化图像，并且在更换场景和内容时精准保留用户的身份特征。
新Copilot Audio
微软推出的个性化AI语音生成工具 Copilot Audio 是微软基于自研 MAI-Voice-1 模型推出的全新音频模式，支持情感、故事、脚本三种语音风格，带来更具表现力和沉浸感的语音交互体验。
新字节跳动
LatentSync 端到端唇同步技术 一种基于音频条件的潜在扩散模型的端到端唇同步框架，能够直接建模复杂的音视频关联.
暂无评论...