搜索 AI 工具

VALL-E

VALL-E一种用于文本到语音合成 (TTS) 的语言建模方法。具体来说，我们使用从现成的神经音频编解码器模型派生的离散代码来训练神经编解码器语言模型（称为 VALL-E），并将 TTS 视为条件语言建模任务，而不是像以前的工作那样连续信号回归。

Synthesizer V

Synthesizer V是一款革命性的音乐制作工具，它使用基于深度神经网络的合成引擎来生成令人难以置信的逼真的歌声。它具有可定制的AI音高生成，无限音轨，无核心限制，VST3/AU插件支持，ASIO支持(Windows)， Jack支持(Linux)，跨语言合成，AI重取，孤立的抽吸输出，发声模式，音调偏移参数，Microtonal调整，MIDI键盘支持，节拍器和Lua/Javascript脚本。这似乎是一个突破性的工具。

Poly.ai

我们现在正在构建下一代语音助手，能够在客户服务中处理真正的人类对话。

TTS-Voice-Wizard

TTS语音向导是一种工具，允许用户通过微软Azure语音识别和TTS将语音转换为文本，然后再转换回语音。它还向VRChat发送OSC消息以在头像上显示文本。该工具有许多自定义选项，包括100多种不同的声音，20多种支持的语言，并能够显示歌曲标题，艺术家和用户以上的进度。

Beepbooply

Beepbooply是一款人工智能驱动的文本转语音工具，允许用户快速轻松地生成具有逼真声音的音频内容。超过80种语言、120种口音和900种声音，用户可以自定义他们的音频，并生成几个小时的高质量音频内容，只需点击一个按钮。Beepbooply提供个人和商业使用的免费和付费级别，并允许无限的下载和项目。

标贝悦读AI配音

提供多种针对不同场景的定制化服务

Dubbing大饼AI声音

大饼AI变声器，自然人声效果，千种音色选择，全场景接入支持

魔音工坊

文字转语音,录音转文字,视频转文字,视频转音频等功能,操作十分简单,功能丰富.

云间-照片换脸

将两张图片上的人脸一键切换

WOMBO

新增人工智能创作美丽艺术作品的功能

HitPaw

视频转换器、屏幕录像机、视频增强器、视频编辑器等等。想象力没有边界，HitPaw 也是如此。

Cognitive Mill

Cognitive Mill是专门为媒体和娱乐行业设计的认知计算云平台。它可以自动编辑和后期制作、媒体质量控制、合规、盗版检查、元丰富和场景索引。利用专有的AI和认知科学技术，提供智能行业自动化，如电视新闻自动浓缩视频和文本摘要，自动生成预告片，自动生成体育亮点，基于AI的片尾/片头检测，基于轻量级计算机视觉的运动图形检测服务，自动裁剪到人像模式模仿人类焦点，分类名人人脸识别元数据自动化，以及内容感知的裸体过滤。