Stable Audio Open是一个开源的文本到音频模型，专门用于生成长达47秒的音频样本和音效。它允许用户创建鼓点、乐器即兴演奏、环境声音、拟音录音等音频元素。
Runway AI 是领先的人工智能驱动创意平台，专注于简化和增强视频制作、图像处理和音频编辑。通过其强大的 Gen-2 和 Gen-3 模型，用户可以轻松生成高质量的视频内容，进行精细的视频编辑，并利用先进的图像和音频处理工具。无论是专业视频编辑师还是普通内容创作者，Runway 都能提供直观且高效的解决方案，助力创意表达和内容生成。
MuseNet是由OpenAI开发的一个人工智能音乐生成模型，它可以生成长达4分钟的音乐作品，支持10种不同的乐器，并且能够结合不同风格，从乡村音乐到莫扎特再到披头士各种风格全覆盖。MuseNet通过学习海量MIDI文件来发现和谐、节奏和风格的模式，生成的音乐质量非常高。
pyvideotrans是一个开源的视频翻译配音工具(开源协议GPL-v3)，可将一种语言发音的视频，翻译为另一种语言发音的视频，并嵌入该语言字幕。它利用了先进的语音识别、机器翻译和语音合成技术，实现了视频的自动翻译和配音功能。
AIVA是一个AI音乐生成器，它可以在几秒钟内生成新的歌曲，支持超过250种不同的风格，用户可以从预定义的风格中选择，也可以通过上传原始音频文件进行创作。
MotionShop 是一款由阿里巴巴开源的 3D角色视频替换框架，专为视频编辑和动画制作而设计。通过先进的视频处理和3D渲染技术，MotionShop能够高效地将视频中的某个角色替换为3D人物，同时不改变视频中的其他场景和人物。 被替换的3D人物能完整复刻原视频中人物的动作，保持动作一致。其核心功能包括自动检测视频中的人物、精确捕捉和模仿人类动作、替换为虚拟角色模型，并提供多种创意选项。
MusicGen 是一款开源的人工智能音乐生成模型，它能够根据文本描述或旋律来创造新的音乐。这个模型使用了单语言模型（LM）技术，可以生成高质量的音乐，而且可以通过文本或旋律的指导来操作。MusicGen 的性能已经在多项研究中得到了证实，它在音乐生成方面的表现优于了现有的方法。
AnimateDiff-Lightning 是字节跳动推出的最新文本到视频生成模型，采用渐进式对抗扩散蒸馏技术，实现了比原版 AnimateDiff 快十倍以上的生成速度。该模型仅需 4-8 步推理即可生成高质量视频，极大提升了视频内容创作的效率和质量。AnimateDiff-Lightning 特别适用于动画转绘和视频转视频场景，提供了卓越的生成效果和用户体验。
ToucanTTS 是由德国斯图加特大学自然语言处理研究所（IMS）开发的一个工具包，用于教学、训练和使用最先进的超全文本转语音（Text-to-Speech, TTS）模型。它完全基于 Python 和 PyTorch 构建，覆盖超过7,000种语言的大型多语言模型。
VTA-LDM 是由腾讯人工智能实验室开发的一个隐含对齐视频到音频生成框架。专注于从视频生成对齐的音频内容，通过隐含对齐技术，VTA-LDM 确保生成的音频在语义和时间上与视频内容完美匹配。
Fish Speech 是一个开源的文本转语音（TTS）解决方案，基于 VQ-GAN、Llama 和 VITS 技术开发。它提供多语言支持，包括中文、日语和英语，能够生成高质量的语音合成。这个工具特别适合游戏配音等场景，允许用户自定义和训练专属的语音模型。
VMagic 是一款AI 视频转绘工具，可以把普通视频变成各种艺术风格的绘画作品。利用最前沿的人工智能技术，自动识别视频中的每一帧，并重新绘制成水彩、油画、素描等多种风格。无论是创意视频制作、动画项目，还是个人艺术创作，VMagic 都能提供高质量的转绘效果，帮助用户轻松实现视频风格化。
Fish Audio 是领先的文本转语音 (TTS) 技术平台，开发了基于 VQ-GAN、Llama 和 VITS 的开源模型 Fish Speech。该模型经过大量数据训练，能够生成高质量、自然流畅的语音，支持中文、日语和英语。Fish Audio 致力于为用户提供逼真的语音合成解决方案，广泛应用于内容创作、教育、娱乐等领域。
FunAudioLLM 是由阿里巴巴通义团队开发的旨在增强人类与大型语言模型（LLMs）之间的自然语音交互的框架。其核心包括两个创新模型：SenseVoice 和 CosyVoice。SenseVoice 提供高精度的多语言语音识别、情绪识别和音频事件检测，支持超过 50 种语言，并具有极低的延迟。CosyVoice 则专注于自然语音生成，支持多语言、音色和情绪控制，能够进行零样本语音生成、跨语言语音克隆和指令遵循。
EasyVideoTrans 是一款高效的视频翻译工具，专为将英文视频快速转换为中文视频而设计。利用先进的GPU加速技术和多种翻译引擎，EasyVideoTrans 提供高效转换和高质量文本翻译，减少人工校对时间。用户可以根据需求编辑字幕内容，并自定义对话人声，提升观看体验。
TTSynth.com 是一个免费的在线文本转语音（TTS）工具，支持多种语言和声音。用户可以轻松将书面文本转换为自然语音，并下载高质量的MP3文件。无论是用于有声书、演示文稿还是无障碍应用，TTSynth.com 都能提供快速、便捷的解决方案。
小宾灯牌去除器是一款利用AI技术自动识别并移除视频中抖音粉丝灯牌的软件。它主要用于帮助主播、无人直播者和视频剪辑工作者快速处理视频中的粉丝灯牌，从而提高工作效率。通过先进的算法自动检测视频中的灯牌图标，并将其移除。它支持多种视频格式，并且可以利用GPU加速来提高处理速度。此外，它还具有高准确率，能够有效减少漏检。
Vocaldo 是一个先进的语音转文本（Speech-to-Text）工具，支持超过100种语言。利用尖端的人工智能技术，Vocaldo 可以快速、准确地将音频或视频内容转录为文本，并提供多种格式的下载选项，如 TXT、SRT 和 VTT。不管你是用于会议记录、字幕生成还是多语言翻译，Vocaldo 都能给你提供高效、可靠的解决方案。
Eggnog AI 是一个专注于创建具有一致角色的AI视频平台。它被称为“AI生成内容的YouTube”，通过简单的拖放操作，允许用户创建、观看和重混具有独特面孔和服装的角色视频，并与全球创作者社区分享和重混内容。这种技术的应用不仅提高了视频制作的效率，也降低了进入视频制作领域的门槛，使得更多非专业人士能够轻松创作视频内容。
TemPolor是一款人工智能音乐生成工具，专为视频创作者设计。通过将文字描述、视频片段或哼唱的旋律转化为高质量的个性化背景音乐。TempPolor的独特之处在于能够分析视频内容，并生成带有歌词和人声的音乐，使业余和专业的内容创作者都能轻松创作匹配其视觉作品的音乐。
Emu Video 是由 Meta 开发的先进文本生成视频工具，采用因子化生成方法，通过两个扩散模型实现高质量视频生成。用户只需输入文本提示，即可生成分辨率高达 512x512 像素、每秒 16 帧、时长 4 秒的视频。Emu Video 适用于广告制作、教育培训、多媒体创作、社交媒体内容和艺术表达等多种场景，提供简易且高效的视频生成体验。
Brev AI 是一款免费的在线AI音乐生成器，利用先进的Suno V3.5技术，可以在几秒钟内根据文本描述快速生成高质量的原创音乐。用户可以制作带歌词的歌曲或纯乐器音轨，适用于视频、社交媒体和个人项目。
智谱清影是智谱AI推出的一款AI视频生成工具。它可以通过输入文字或图片生成高精度的视频。用户只需输入一段文字或选择图片，并选择视频风格，清影就能在30秒内生成一个6秒的1440x960 清晰度的高精度视频。
BlurOn是一款先进的AI驱动视频自动马赛克插件，专为自动添加马赛克和模糊效果而设计。它能够自动识别并处理视频中的脸部、头部、全身、车牌等元素，以高达99.7%的精度完成编辑工作。BlurOn广泛应用于电视节目制作、自动驾驶开发和医疗影像等领域，大大减少了手动编辑的工作量，提高了工作效率。
花瓣网AI圈为您精选AI绘画设计灵感图，海量高清AI绘画图片、AI绘画模板素材大全，一键收藏下载
MJ绘图是一款AI绘图工具，集成了Midjourney领先的绘图技术。只需输入关键字，便可在短短一分钟内生成与之相关的精美图片。这个工具不仅具备出色的绘画功能，还具备制作海报、LOGO、网站设计和UI设计等多项能力。
Draft是一个低门槛ai绘画社区，有丰富的社区素材，轻松上手，一键生成，支持图文生成，图片风格居多，可以轻松获得想要的图片，从众多方案中选择灵感！
米啫喱AI绘画是一款专为国内设计师打造的高质量可免费使用的AI绘画平台，其提供强大的微调功能，能够针对性地调整画作的构图与局部细节，从而生成让创作者满意的作品。
AI绘图网站，需手机号登录，免费20次，高效，快速创建你描述的图片。
片绘是一个分享ai创作的绘画交流平台，注册后有免费次数，创造艺术的并不是AI，创造艺术的终究是你我。
