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。

将文档转化为AI生成的音频讨论，便于学习和记忆。

Kimi-Audio 是一个开源音频基础模型，擅长音频理解与生成。

AI生成播客摘要，不错过任何精彩内容。

开源的PDF到Podcast工作流构建工具

ComfyUI节点，用于MMAudio模型的音频处理

集成Firecrawl的OpenAI实时API控制台

快速生成类人语音的TTS模型

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。

视频到音频生成模型，增强同步性，MaskVAT官网入口网址

将静态肖像和输入音频转化为生动的动画对话视频

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。

Loopy，仅凭音频驱动肖像头像，实现逼真动态。

利用多指令视频到音频合成技术

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

使用AI技术将WhatsApp音频消息转文字并生成摘要

AI驱动的播客制作平台，快速生成高质量播客内容。

智能播客生成器，自动创建引人入胜的音频内容。

基于流匹配的音频驱动说话人像视频生成方法

一个开源的GUI音频书和配音生成器。Pandrator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。

使用AI技术为孩子们创造个性化的睡前故事。

视频理解领域的先进空间-时间建模与音频理解模型。

从任何音频中提取清晰人声

快速获取书籍摘要和音频，提升学习效率。

零样本声音转换技术，实现音质与音色的高保真转换。

利用OpenAI的Whisper模型转录YouTube视频