通过音频扩散模型实现源分离和合成的创新方法。

集成Firecrawl的OpenAI实时API控制台

下一代语音AI，提供卓越的音频数据处理能力。

基于流匹配的音频驱动说话人像视频生成方法

AI视频生成器，将文本转换成引人注目的视频。

Veo 3 AI API by Kie.ai是一款可生成高质量视频的先进工具，适用于电影制作人、营销人员和内容创作者。

轻量级嵌套架构，用于语音反欺诈。

MMAudio根据视频和/或文本输入生成同步音频。

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。

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。

将文档转化为AI生成的音频讨论，便于学习和记忆。

Reddit故事的有声化平台

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

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。

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。

将静态肖像和输入音频转化为生动的动画对话视频

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

视频理解领域的先进空间-时间建模与音频理解模型。

使用Veo 3创建令人惊叹的AI视频，并同步添加音频。

个性化AI助眠故事生成器，助你安然入梦

零样本声音转换技术，实现音质与音色的高保真转换。

一个全面的AI神经网络工具目录

智能播客生成器，自动创建引人入胜的音频内容。

通过Google AI Studio创建具有原生音频的8秒AI视频，操作直观功能强大

V03 AI是基于Google Veo 3 AI技术的视频生成器，支持文本到视频和图片到视频的转换，具备音频功能。

全球音频感知技术的革命性AI唇同步技术。

将PDF文件转换为音频播客、讲座、摘要等

EchoMimicV2：实现逼真、简化、半身人体动画的技术。

AI ASMR Generator是一个使用AI模型生成ASMR视频的工具。

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。