腾讯ARC实验室AudioStory技术
开启音频生成新纪元 AudioStory是腾讯ARC实验室推出的一种能够根据文字描述生成高质量音频内容的技术，具有强大的叙事能力。
开启语音交互新时代 GPT-Realtime是OpenAI推出的一款强大的语音到语音模型，采用端到端Speech-to-Speech架构，能够直接生成并处理语音，省去常规的文本转换步骤，广泛应用于多种语音交互场景。
数据统计
相关导航
Supernormal
Supernormal是一款由Suki提供的人工智能会议助手工具，它通过自动化的方式帮助用户更高效地组织、参与和回顾会议。该工具利用先进的AI技术，提供了一系列强大的功能，旨在改善会议体验和提高工作生产力。
ChatTTS
文本转语音 ChatTTS是一款基于深度学习技术的文本到语音（TTS）转换工具，专为对话场景设计，能够生成自然、流畅的语音输出。ChatTTS支持多种语言，包括中文和英文，并提供了丰富的音色和细粒度控制选项。
谷歌NotebookLM
Google推出的一款AI笔记应用，能够将文档内容转化为音频播客，帮助用户更高效地学习和获取信息。
Step-Audio
阶跃开源的130B语音模型 一款强大的开源语音交互模型，能够实现语音识别、对话生成、情感克隆和多语言支持，为用户提供高质量的实时语音交互体验。
小红书FireRedTTS-2
新一代对话合成模型 FireRedTTS-2 是小红书智创音频技术团队推出的新一代对话合成模型，可实现灵活的逐句生成和高质量的语音合成。
OpenAI.fm
探索文本到语音的新境界 为开发者提供的交互式演示平台，用于体验 OpenAI API 中的新型文本到语音模型，助力开发者快速构建相关应用。
SoulX-Podcast语音模型
SoulX-Podcast是Soul推出的超长时长、高保真多语言AI播客生成引擎，可一键产出90分钟无中断、媲美真人录音的播客节目。
暂无评论...