语音识别

通过语音识别、图片识别、大语言模型等技术，帮助医生自动生成病历，提升病历书写效率和质量，同时保护患者隐私

提供即时交付、按需付费的人工智能应用服务，涵盖多种AI应用，满足不同用户在图像、语音、视频、文本处理等方面的需求。

Meta推出的将PDF文档转换成播客内容的开源项目。项目基于一系列自动化步骤实现，用LLaMa模型进行PDF预处理、生成播客脚本、增加戏剧化元素及文本转语音合成

一个功能强大的开源声音克隆项目，它通过创新的少量样本学习技术，使得用户能够快速训练出高质量的文本到语音模型

一款创新的音频驱动肖像动画生成工具，它通过结合音频和面部地标信息，能够生成逼真、自然的肖像动画

由阿里巴巴集团通义语音团队开发的框架，旨在增强人类与大型语言模型（LLMs）之间的自然语音交互

一个功能强大的数字人模型，专注于普通话和英语的音频驱动视频生成。它通过优化模型结构和数据集支持，实现了高效的跨语言生成能力，并在推理速度和准确性上表现出色

一个强大的即时语音克隆工具，具有精确的音色克隆、灵活的风格控制和零样本跨语言克隆等优势

先进的语音合成模型，通过其低延迟、高准确性和强稳定性的特点，为用户提供高质量的语音合成体验

BuboGPT是一个创新的大型多模态语言模型，它通过结合视觉、音频和文本输入，提供了一种全新的交互体验。

在几分钟内制作出录音棚品质的配音。将 Murf 逼真的 AI 声音用于播客、视频和所有专业演示

FineVoice是一种人工智能数字语音解决方案，可以帮助用户增强声音，并实时改变声音。它配有实时变声器，无限的音频和声音效果，录音室质量的录音机，文本到语音，语音到文本。

voice.ai的使命是通过普及人工智能技术，增强协作创造力，并允许社区重新定义音频表达方式。公司相信人工智能应该是易于接近、对所有人开放且富有趣味的。

一键分离音乐中所有音轨

Resemble.ai的AI语音生成器是一个完整的生成式语音AI工具包，允许您在几秒钟内创建类似人类的声音。