视频到音频生成模型，vta-ldm官网入口网址

麦悠电台，用AI技术将新闻转换为对话形式播报，打造个性化电台体验。

智能语音转文字工具，高效且用户友好。

视频分析工具，结合Llama视觉模型和OpenAI Whisper进行本地视频描述生成。

利用Google Veo3生成高质量视频

开源的PDF到Podcast工作流构建工具

Kimi-Audio 是一个开源音频基础模型，擅长音频理解与生成。

利用多指令视频到音频合成技术

AI生成播客摘要，不错过任何精彩内容。

集成Firecrawl的OpenAI实时API控制台

ComfyUI节点，用于MMAudio模型的音频处理

快速生成类人语音的TTS模型

将静态肖像和输入音频转化为生动的动画对话视频

Loopy，仅凭音频驱动肖像头像，实现逼真动态。

将文档转化为AI生成的音频讨论，便于学习和记忆。

高效生成高质量文本到音频模型

保护隐私的音频深度检测

AI驱动的播客制作平台，快速生成高质量播客内容。

在线AI配音，将视频和音频本地化为任何语言

轻松捕捉和完善你的音频创意

基于流匹配的音频驱动说话人像视频生成方法

使用AI技术为孩子们创造个性化的睡前故事。

沉浸式音频导览，让每个地标自己说话

个性化AI助眠故事生成器，助你安然入梦

将学术论文转化为AI生成的音频讨论。

使用AI技术将WhatsApp音频消息转文字并生成摘要

一个用于说话人分割的工具包

开源的全双工音频生成基础模型

一个开源的GUI音频书和配音生成器。Pandrator官网入口网址

视频到音频生成模型，增强同步性，MaskVAT官网入口网址

一个用于将书籍转为有声读物、剧本转为播客的音频生成平台。

视频理解领域的先进空间-时间建模与音频理解模型。