简单听记
AI办公工具，免费增值，百度网盘推出的AI语音转文字工具
官网：https://tingji.baidu.com/embed/listennote
简单听记是什么
简单听记是百度网盘推出的AI语音转文字工具，能将音频文...
悦录–AI语音转文字工具，支持多种语言和方言、准确率高达95%+
AI工具百科：
悦录是什么
悦录是AI语音转文字工具，基于同花顺的智能语音、自然语言处理等AI技术，能将语音录音快速准确地转换为文字，支持多种语言和方言，识别准确率高达95%以上。悦...
OpenLLMVTuber–AI数字人语音交互项目，支持实时语音对话和视觉感知
AI工具百科：
OpenLLMVTuber是什么
OpenLLMVTuber 是开源的跨平台语音交互 AI 伴侣项目。支持实时语音对话、视觉感知，配备生动的 Live2D 动态形象，能完全离线运行，保护隐私。用户将...
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 Superlinked 技术，基于语音驱动的 RAG（检索增强生成）架构，帮助用户在 Qdrant 向量数据库中实时搜索信息...
Pinch–AI翻译平台，支持30多种语言在视频通话中即时语音翻译
AI工具百科：
Pinch是什么
Pinch 是创新的实时 AI 语音翻译视频会议平台，专为打破语言障碍而设计，支持超过 30 种语言的即时语音翻译。提供两种翻译模式：口译模式和同声传译模式，分...
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 架构的开源文本到语音（TTS）系统。Orpheus TTS 支持生成自然、富有情感且接近人类水平的语音，具备零样本语音克隆能力，...
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样本文本到语音合成系统，采用轻量级扩散模型，参数量仅0.45B，能高效生成高质量语音。系统将语音分解为内容...
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，基于 Moshi 实时对话语音模型开发，增加了视觉输入功能。能实现图像的自然、实时语音交互，将语音和视觉...
TicVoice7.0–出门问问推出的第七代语音合成引擎
AI工具百科：
TicVoice 7.0是什么
TicVoice 7.0 是出门问问推出的第七代高品质 TTS（语音合成）引擎，基于新一代语音生成模型 SparkTTS 。TicVoice 7.0基于创新的 BiCodec 编码方式，...
SeniorTalk–智源联合南开开源的超高龄老年人中文对话语音数据集
AI工具百科：
SeniorTalk是什么
SeniorTalk 是智源研究院联合南开大学计算机学院人类语言技术实验室（HLT Lab）推出的全球首个中文超高龄老年人对话语音数据集。数据集包含202位75岁及...
Asyncflowv1.0–Podcastle推出的AI文本转语音模型
AI工具百科：
Asyncflow v1.0是什么
Asyncflow v1.0 是播客平台 Podcastle 推出的 AI 文本转语音模型。支持超过 450 种语音选项，能为文本内容生成高质量的语音朗读，适用于多种语言和...
MuyanTTS–开源文本转语音模型，零样本语音合成
AI工具百科：
MuyanTTS是什么
MuyanTTS 是为播客场景设计的开源文本转语音（TTS）模型。模型预训练超过10万小时的播客音频数据，能实现零样本语音合成，无需大量目标说话人的语音数据...
