分类： 多媒体处理

海绵音乐

426
AI行业应用, 多媒体处理

海绵音乐是由字节跳动最新推出的免费AI音乐创作和分享平台，旨在利用人工智能技术生成个性化音乐，海绵音乐在人声处理方面表现优异，尤其是在中文歌曲中，减少了电音的使用，提高了吐字清晰度和演唱流畅性。相比较Suno，海绵音乐的音乐风格更符合国人的喜好。

Vozo：AI视频生成器

255
AI行业应用, 多媒体处理

Vozo Rewrite & Redub 是一款创新的视频编辑工具，你可以通过简单的提示重写视频脚本、然后这个工具会自动给视频重新配音、翻译语音并口型同步，然后生成新的视频。 无论是将经典视频转变为病毒视频宣传片，还是将普通视频变成喜剧，亦或是将一种语言翻译成多种语言，Vozo...

PixVerse 发布V2版本视频模型

452
AI行业应用, 多媒体处理

升级版的PixVerse V2，不光能生成8秒的视频，还能让你的创意天花乱坠。 别以为8秒就敷衍了事。这V2可是个细节控，分辨率、动态效果都跟打了鸡血似的。 就连蚂蚁打喷嚏，它都能给你拍得清清楚楚。

AudioNotes：音视频内容转笔记系统

253
AI行业应用, 多媒体处理

AudioNotes 是一个基于 FunASR 和 Qwen2 构建的音视频内容转结构化笔记系统。它的主要功能是快速提取音视频的内容，并通过调用大模型进行整理，将这些内容转换为结构化的Markdown笔记，便于用户快速阅读和理解。

ElevenLabs 发布Turbo 2.5模型

208
AI行业应用, 多媒体处理

该模型支持包括普通话在内的 32 种语言，能为全球近 80%的地区提供高质量、低延迟的 AI 对话； 首次支持越南语、匈牙利语和挪威语； 重点提高了印地语、法语、西班牙语、普通话等 27 种语言的响应速度，其中英语速度提高了 25%，最高提升达 3 倍；...

DETECT-2B ：音频深度伪造检测工具

454
AI行业应用, 多媒体处理

etect-2B的子模型由带有关键层插入适配模块的冻结音频表示模型组成。这些适配模块专注于识别真实音频与伪造音频的细微差别——即录音中不经意留下的声音痕迹。大多数AI生成的音频片段听起来都“过于完美”。Detect-2B能够预测音频中AI制作的成分，而且无需每次听到新片段时都重新训练模型。这些子模型

StreamVC: 实时低延迟语音转换

308
AI行业应用, 多媒体处理

StreamVC 即使在移动平台上也能以低延迟从输入信号生成结果波形，使其适用于呼叫和视频会议等实时通信场景，并解决这些场景中的语音匿名等用例。 谷歌的设计利用 SoundStream 神经音频编解码器的架构和训练策略来实现轻量级高质量语音合成。...

Stability AI推出Stable Assistant两大新功能

228
AI行业应用, AI项目

Stability AI宣布为其用户友好型聊天机器人Stable Assistant推出两项创新功能，进一步提升用户体验和创造力。这两项新功能分别是图片编辑中的搜索和替换，以及通过Stable Audio生成高质量音频。

Kyutai 发布全新的开源 AI语音助手 Moshi

260
AI行业应用, 多媒体处理

法国独立非盈利AI研究实验室Kyutai推出了具备70种情绪的语音助手Moshi，被视为GPT-4的新挑战者。此次在巴黎的演示显示，Moshi不仅具备多模态交互能力，还能实时生成具有情绪变化的语音，开创性地实现了语音AI的全新应用。

退出移动版