Play.ht

Murf AI 将文本、文档和脚本转换为逼真的语音，适用于视频、课程和电话客服。Murf Studio 提供 200 多种声音，涵盖 35 多种语言，支持音调、速度和发音控制，而 Falcon 文本转语音 API 针对实时语音代理，首音延迟低于 100 毫秒。Murf Dubbing 可将视频翻译成 40 ...

MusicLM 是谷歌研究团队开发的音频生成模型，能够根据文本描述以 24 kHz 采样率创作音乐。公开示例页面提供了多种提示的样本片段，如街机游戏原声、雷鬼与电子舞曲融合以及轻松的爵士乐，还有跨时段风格变化的长篇故事模式生成。谷歌在论文发布的同时，公开了包含 5,500 对音乐与文本的 MusicCaps...

Moshi AI 是来自巴黎开源科学研究实验室 Kyutai 的一种语音原生对话模型。它无需串联语音识别、文本生成和语音合成，而是直接处理音频，实现低延迟的全双工语音对话。 其多流设计为用户、Moshi的语音输出以及内部独白文本流开辟了独立的通道，从而提高一致性。这样的设置使得Moshi可以边听边说，应对...

SpeechGPT 让您使用自己的 OpenAI API 密钥在浏览器中进行语音对话。您可以输入或录制消息，通过聊天界面发送，并听取语音回复，无需安装桌面软件。 与将模型费用捆绑在订阅中的托管 TTS 服务不同，SpeechGPT 在浏览器中运行，仅通过您连接的 OpenAI、Azure Speech S...

Endel 生成个性化的声音景观，能够实时适应，帮助您专注、放松、睡眠或在活动中保持稳定。其音频引擎采用专利的 Endel Pacific 技术，根据时间、天气、心率和位置等输入进行反应，而非循环播放固定曲目。营销网站将其描述为基于神经科学的功能性音频，旨在促进日常健康。 播放列表应用提供固定歌曲；而 E...

AudioBot 将输入的文本转换为可下载的 MP3 语音，适合需要本地化旁白而不想雇佣配音演员的创作者。该网页应用涵盖了超过 14 个拉丁美洲国家的西班牙语地区口音，以及英语、法语、德语和数十种其他语言。您可以从 500 多种神经语音中选择，在浏览器中预览，并导出您完全拥有版权的文件，用于视频、播客、在线...

通过pomo.rhythm提高您的生产力，其中Pomodoro技术的力量符合音乐的能力影响。 Pomo.Rhythm为那些寻求重点与动力和动力和动力和动力融合的人精心制作，为您的工作会议引入了无缝的，有节奏的背景。通过将您的任务分为高效，定时的间隔，并伴随着专门为将您留在区域的音乐，Pomo.Rhythm提...

Aimi.fm 利用授权艺术家音轨构建免版税音乐，而非抓取受版权保护的录音，然后通过 Aimi Sync 引擎为视频配乐。上传视频片段后，Sync 会逐帧分析场景，创作匹配的配乐，支持选择性添加人声、旁白及可下载的音轨。公共主页现已预告即将重新上线，但 Sync 的定价、文档和关于页面显示公司仍在为创作者和...

BeyondWords通过为新闻编辑室和数字出版商打造的音频内容管理系统，将书面文章转换为可发布的音频。连接WordPress、Ghost或RSS订阅源，每篇文章都会生成带有品牌播放器的朗读版本，您只需嵌入几行代码即可。该平台处理发音规则、元数据映射以及智能更新，仅重新生成更改的段落。 通用的文本转语音工...

ChatTTS 是一个为对话而构建的开源文本到语音模型。2Noise 团队在超过 10 万小时的中文和英文语音数据上进行了训练，因此它在双向对话中听起来自然流畅，而不仅仅是预设的旁白。 其区别在于在细节层面进行韵律控制。该模型可以加入笑声、暂停和插入语，并能在一次会话中处理多个发声者。这使它非常适合用于大...