文章列表-AI魔法学院

文章列表

TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！

各种AI工具也层出不穷，其中语音克隆技术也是尤为引人瞩目的产品之一。

tts 文本转语音

RVC和SVC声音模型难找？推荐这个网站

本篇文章介绍：1，声音数据集训练到模型的过程 2 ，SVC和RVC声音模型网站推荐一、声音数据集训练到模型的过程 AI声音模型训练是通过分析大量音频数据来学习声音特性，生成与目标声音相似的新音频

声音克隆数字人

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

主要特征语音合成：轻松将文本转换为类似人类的语音。

AI语音克隆实时语音识别

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

哪款语音克隆模型最好，等你来评价~本文案例效果仅供参考！

语音克隆开源模型

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

· AudioGen：一种最新技术实现的文本到声音模型。

AudioCraft 音频

用so-vits-svc-4.1进行音色转换的极简教程

其实歌声转换不仅仅适用于歌声，普通讲话也可以，只是歌唱的音调基本能覆盖到低、中、高全域声音类型，而正常说话可能无法做到全域覆盖，但是如果在录制声音的时候能够做到覆盖多种音调类型，也可以实现声音转换。

声音 sovits

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

语音识别（ASR）是指将人类的语音转换为文本的技术，然而，目前的语音识别技术还面临着一些挑战，其中最大的一个就是如何支持更多的语言。

Translatotron 语音识别

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

这是一个由Facebook研究院开发的技术，可以根据音频生成逼真的人物视频！

audio2photoreal 开源工具

最强开源数字人对口型系统介绍

大家好，今天给大家介绍的是开源“最强”的数字人克隆方法 Easy-Wav2Lip: 仓库地址： https://github.com/anothermartz/Easy-Wav2Lip

数字人开源模型

AI视频新技能！这套流程教你打造视频人物和声音完美同步！

但目前的AI视频尚未解决视频和音频结合的问题，让人物的嘴与音频完美同步仍然具有挑战性。

AI视频

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

作为一种重要模态，语音提供了超越文本的多样且复杂的信号，如人声中的情感、语调和意图，自然声音中的火车汽笛、钟声和雷声，以及音乐中的旋律。

大模型语音

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

CosyVoice 特点:包括多语言语音生成、零样本学习、跨语言克隆和指令遵循。

asr tts 声音

郭德纲讲英语相声详细教程

郭德纲用英文说相声的短视频火爆全网，同类型的AI短视频层出不穷，更有好莱坞明星说中文的短视频，不断地出爆款，那么现在我们就开始学习如何制作一个同类型的AI短视频吧！

数字人音视频

【语音识别】OpenAI语音力作Whisper

首先，通过特征提取器将原始音频输入变换为对数梅尔声谱图 (log-Mel spectrogram)。

语音转文字 whisper

24年首篇离奇论文：加点噪声，RAG效果翻倍？

· 研究结果发现相关文档比无关文档更有害于RAG系统，并且当放置正确时，无关但噪声的文档实际上有助于提高系统的准确性。

RAG 检索增强

<123 4 5 6 7 8 9 10 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2024 AI魔法学院

京ICP备20027199号-1