微软
MAI-Voice-1 语音生成模型 MAI-Voice-1 是微软推出的高保真语音生成模型，旨在为各种应用场景提供自然、富有情感的语音输出。
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。
数据统计
相关导航
OpenAI Realtime API
开启语音交互新时代 OpenAI Realtime API 是一个强大的工具，允许开发者构建低延迟、高效率的多模态对话体验，支持文本和音频输入输出。
阿里HumanOmniV2
多模态AI新王者 阿里HumanOmniV2是由阿里巴巴通义实验室开发的一款多模态AI系统，能够通过分析视频、音频、文字等多种信息，像人类一样理解复杂的社交情境和人类意图。
IndexTTS-2.0
B站开源的情感与时长可控文本转语音模型 IndexTTS-2.0 是哔哩哔哩开源的全球首个支持情感与时长双重控制的自回归零样本文本转语音系统，专为高质量AI配音与跨语言内容本地化打造。
Captions
Captions是一个AI驱动的创意工作室，旨在简化创意过程并帮助用户提升叙事水平。它提供了一系列AI工具来增强视频和音频内容的制作。
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。
Play
AI PlayDialog beta语音合成模型 一款能够生成对话式播客音频的端到端AI语音模型，它通过调控语调、情感和语速，实现更自然的语音合成。
云雀大模型（字节跳动）
云雀（Skylark）是字节跳动研发的一款语言模型，它通过自然语言交互，能够高效完成互动对话、信息获取、协助创作等任务。用户可以通过简单的API调用，快速搭建基于大模型的AI应用。
暂无评论...