一键将视频转换为优质小红书笔记

大型多模态模型中视频理解的探索

一种基于视频扩散模型的多任务灵巧手操控通用机器人策略

将文本转换为逼真语音的在线工具

沟通无界，让每次对话都创造价值。

微软亚洲研究院开发的语音合成技术

将任何PDF文档转换成播客节目。

使用Llama模型的语音合成工具

将任何PDF转换为播客集！

基于深度学习的高质量文本到语音合成模型

多模态语言模型，融合文本和语音

Sandra AI，专为汽车分销设计的智能语音代理。

高效、多语种的语音合成模型

将学术论文转化为AI生成的音频讨论。

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。

利用多指令视频到音频合成技术

利用OpenAI的Whisper模型转录YouTube视频

开源的全双工音频生成基础模型

基于流匹配的音频驱动说话人像视频生成方法

MMAudio根据视频和/或文本输入生成同步音频。

Amped Studio - 在线制作音乐

使用AI生成音乐的应用

在本地使用 LLMs 根据自然语言提示生成音乐。

音乐情绪匹配大师

利用AI技术，轻松制作高质量歌曲翻唱。

利用AI创作音乐

统一文本、音乐和动作生成模型

音乐创作与分享平台

自动化研究与开发工具，提升研发效率与质量。

全栈开源机器人