易魔声EmotiVoice
易魔声EmotiVoice是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。
FlyCut Caption 是一款开源的视频字幕编辑工具，支持智能生成字幕、编辑字幕和裁剪视频。它通过语音识别生成字幕，你可以直接编辑字幕来剪辑视频——比如在字幕列表里删除不需要的片段，对应的视频片段也会被删掉。支持批量删除，也能恢复误删内容。能实时预览效果，点击字幕片段可直接跳转到对应时间点。还能调整字幕的字号、颜色、位置、背景和描边样式，并实时看到修改效果。
数据统计
相关导航
FireRedASR
小红书FireRed 团队发布并开源的基于大模型的语音识别模型，它在中文普通话语音识别领域取得了新的SOTA，FireRedASR支持方言、英语及歌词识别。
XHS-Downloader
小红书链接提取/作品采集工具：提取账号发布、收藏、点赞作品链接；提取搜索结果作品链接、用户链接；采集小红书作品信息；提取小红书作品下载地址；下载小红书无水印作品文件！
Tarsier
字节跳动推出的一系列大规模视觉语言模型（LVLM），专注于视频理解任务，包括视频描述、问答、视频定位、幻觉测试等功能。
LandPPT
一个基于大语言模型的开源免费AIPPT生成平台，支持将文档内容自动转为专业PPT，具备多AI模型支持、智能文档处理、智能配图、深度研究等功能。
AniPortrait
一款由腾讯研究人员开发的音频驱动的肖像动画合成框架，AniPortrait能够根据音频和静态人脸图片生成逼真的动态视频。
Whisper语音识别模型
Whisper 是一种通用的语音识别模型。它在不同音频的大型数据集上进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。
Rasa
一个开源的AI机器学习框架，专注于构建自然语言对话系统，如聊天机器人和语音助手，Rasa广泛应用于客户服务、智能助手、企业自动化等多个领域。