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。

ElevenReader Publishing 是一个零成本将书籍快速转化为专业有声书并全球分发的平台。

JoyGen 是一种音频驱动的 3D 深度感知的说话人脸视频编辑技术。

沉浸式音频导览，让每个地标自己说话

为无声视频生成逼真且同步的声音。

端到端音频驱动的人体动画框架

Loopy，仅凭音频驱动肖像头像，实现逼真动态。

快速获取书籍摘要和音频，提升学习效率。

将PDF文件转换为音频播客、讲座、摘要等

一个全面的AI神经网络工具目录

集成Firecrawl的OpenAI实时API控制台

高分辨率、长时音频驱动的人像图像动画技术

一个用于说话人分割的工具包

下一代语音AI，提供卓越的音频数据处理能力。

快速生成个性化和富有表现力的3D会说话面部模型

EchoMimicV2：实现逼真、简化、半身人体动画的技术。

播客分享平台，发现热门播客节目。

本地部署的AI语音工具箱，支持语音识别、转录和转换。Easy Voice Toolkit官网入口网址

AI生成语音音频的本地化水印技术

一个用于生成播客及其他音频文件转录文本的工具，支持多种语言模型和语音识别API。

Maidio 是一款将 RSS 新闻内容通过 AI 转化为对话式播客的智能应用。

AI生成独特音效，简化音频制作流程。Simplify Your Audio Production官网入口网址