WhisperFusion
一个基于WhisperLive把声音转文字和WhisperSpeech理解这些文字的能力构建。能够与AI聊天机器人进行超低延迟对话。
DreamTalk，一个由清华大学、阿里巴巴和华中科大共同开发的一个基于扩散模型可以让人物照片说话，支持包括歌曲、多种语言的语音、嘈杂的音频在内的各种声音匹配让人物头像说话的框架。
数据统计
相关导航
AgentUniverse
一个面向复杂业务场景设计的多智能体协作框架，它提供了快速易用的大模型智能体应用搭建能力，以及丰富的多智能体协同模式组件。
FUZZ
由Riffusion推出的一款基于扩散模型（Diffusion Model）的全新音乐生成模型，该工具能够通过“想象”生成音频的声谱图（Spectrogram），然后将其转换为音频。便携式音箱
PPTist
一款可以完全在浏览器中运行的在线PPT工具，支持在浏览器中编辑和展示 PPT和通过AI生成PPT。它还原了大部分PowerPoint 常用功能。
CodeName Goose
一款开源代码智能体Agent，Codename Goose不仅能自动生成代码，还能安装、执行、测试。
Make-A-Character
文生3D数字人工具，借助 Make-A-Character，您可以毫不费力地从文本描述中生成可控、逼真、可动画的3D数字人角色。
Maxun.dev
一个无代码网页数据提取平台，可以可靠、大规模地从网站提取和自动化数据，能将任何网站转为实时数据馈送，Maxun.dev使用简便，不用编码，几分钟就可以上手。
Presenton
一个可以本地运行的开源AI PPT生成器，使用OpenAI、Gemini或Ollama等模型，确保数据隐私和控制。