PodAgent–港中文、微软、小红书联合推出的播客生成框架
AI工具百科：
PodAgent是什么
PodAgent 是香港中文大学、微软和小红书联合推...
VoiceCanvas–开源AI语音合成平台，支持多语言、多音色、声音克隆服务
AI工具百科：
VoiceCanvas是什么
VoiceCanvas 是开源的多语言语音合成平台。...
Voila–开源端到端语音大模型，实现低延迟语音对话
AI工具百科：
Voila是什么
Voila 是开源的端到端语音大模型，专为语音交互而...
AudioX–港科大联合月之暗面推出的扩散变换器模型，任意内容生成音频
AI工具百科：
AudioX是什么
AudioX 是香港科技大学和月之暗面联合提出的统一...
谛韵DiffRhythm–西北工业联合港中文推出的端到端音乐生成工具
AI工具百科：
DiffRhythm是什么
DiffRhythm（中文名称：谛韵） 是西北工业大...
AbletonMCP–AI音乐制作工具，基于MCP支持音轨创建与修改
AI工具百科：
AbletonMCP是什么
AbletonMCP 是开源项目，基于模型上下文协议...
Dia–开源文本转语音模型，支持生成自然逼真的对话语音
AI工具百科：
Dia是什么
Dia 是 Nari Labs 推出的开源文本转语音（TTS）模型...
Deepgram
AI音频工具，免费增值，快速低成本的AI语音文本互转API平台
官网：https://...
Oliva–开源语音RAG助手，实时语音搜索向量数据库
AI工具百科：
Oliva是什么
Oliva 是开源的语音RAG助手，结合 Langchain 和 S...
OrpheusTTS–开源AI语音合成系统，支持多种语音风格
AI工具百科：
Orpheus TTS是什么
Orpheus TTS 是基于 Llama3b 架构的开源文...
MegaTTS3–字节与浙江大学合作推出的零样本语音合成系统
AI工具百科：
MegaTTS 3是什么
MegaTTS 3是字节跳动与浙江大学合作推出的零...
MoshiVis–Kyutai开源的多模态实时语音模型
AI工具百科：
MoshiVis是什么
MoshiVis 是 Kyutai 推出的开源多模态语音模型...
