正在加载视频...

视频加载失败

返回首页

Cartesia ai的一款“变声器”模型：Voice Changer ，可以将任何音频声音转换成不同的音色，同时保留原始音频的语气、情感 能保持原始表达方式，语气、情感不会失真，还可以保留叹息、惊讶等细节，支持在同一段音频中多次切换不同声音 特别适合用于配音的场景，视频、动画、故事配音、有声读物等等 体验地址： #AI配音 #AI声音转换

aigclink's profile picture

AIGCLINK

34,033 subscribers

17,019 次观看 • 1 年前 •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

一款还不错的视频自动化配音工具：MMAudio，音画同步性还可以 支持视频、文本、视频+文本输入 有同步模块，保持音频和视频动作对齐 支持44.1kHz高采样率 #音频生成 #MMAudio #AI配音
0:49

一款还不错的视频自动化配音工具：MMAudio，音画同步性还可以 支持视频、文本、视频+文本输入 有同步模块，保持音频和视频动作对齐 支持44.1kHz高采样率 #音频生成 #MMAudio #AI配音

AIGCLINK

17,451 次观看 • 1 年前

上海交大和微软开源的一款【端到端的语音到语音翻译系统：TransVIP】，它可以保持原声特征、保持源语音和目标语音时长同步 它的声音特点和说话的节奏感保持的非常不错，比较自然流畅，时长控制的也比较精确，很适合做视频配音、跨语言直播或实时语音翻译 直接从源语音到目标语音，无需中间步骤，处理延迟低 源语音和目标语音时长保持一致，可以避免口型不同步问题 项目： github： #AI实时翻译 #TransVIP
0:34

上海交大和微软开源的一款【端到端的语音到语音翻译系统：TransVIP】，它可以保持原声特征、保持源语音和目标语音时长同步 它的声音特点和说话的节奏感保持的非常不错，比较自然流畅，时长控制的也比较精确，很适合做视频配音、跨语言直播或实时语音翻译 直接从源语音到目标语音，无需中间步骤，处理延迟低 源语音和目标语音时长保持一致，可以避免口型不同步问题 项目： github： #AI实时翻译 #TransVIP

AIGCLINK

56,071 次观看 • 1 年前

一站式视频多语言转换工具：Krillin AI，集音视频翻译、配音、语音克隆于一体 视频输入到输出自动化，一键完成字幕提取、翻译、配音、视频合成 支持B站，小红书，抖音，视频号，快手，YouTube，TikTok等多个平台 输入支持中，英，日，德，土耳其语等 输出支持中英俄法等56种语言翻译 可本地部署，是内容创作者们比较实用的一款工具 #AI配音 #AI字幕翻译 #AI视频配音转换
0:24

一站式视频多语言转换工具：Krillin AI，集音视频翻译、配音、语音克隆于一体 视频输入到输出自动化，一键完成字幕提取、翻译、配音、视频合成 支持B站，小红书，抖音，视频号，快手，YouTube，TikTok等多个平台 输入支持中，英，日，德，土耳其语等 输出支持中英俄法等56种语言翻译 可本地部署，是内容创作者们比较实用的一款工具 #AI配音 #AI字幕翻译 #AI视频配音转换

AIGCLINK

76,388 次观看 • 1 年前

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换 带界面，支持在线录音 支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice
0:50

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换 带界面，支持在线录音 支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice

AIGCLINK

62,588 次观看 • 1 年前

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译
0:23

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译

AIGCLINK

42,388 次观看 • 1 年前

ElevenLabs 推出 Dubbing V2 端到端的AI配音模型... 最大的变化：配音不再是"先转写、再翻译、最后合成"三段式拼接，而是模型直接基于原始表演建模声音。 并将音色、情绪、演绎都跟着穿越进每一种语言 也就是说，同一个人开口讲六国语言，听上去还是他本人，连情绪和呼吸节奏都对得上 Dubbing v2 支持 90 多种语言和口音， 原理：它针对原始表演来生成，而不是针对一段转录文本，所以语气、情绪、表达方式会跨语言保留下来，声音克隆全自动，会给原说话人建一个声音模型并应用到所有目标语言，保留身份、音高和语气，不用手动设置。 另外支持音频、视频和文字三种输入 具体能力： • 音色穿越：不是模仿你的声音，是你的声音直接在另一种语言里说话 • 情绪保真：原片里你笑你叹气你激动，译版照样有 • 同步感知翻译：译文长度匹配原片口型和停顿，不会嘴动完了字幕还在跑 • 措辞本地化：不是字面直译，每种语言用自己的表达方式 • 端到端全自动：传一个视频进去出一份配音，中间没有手工拼接 视频里他们演了三个场景： MrBeast 风格的荒岛求生在 English/German/French 之间无缝切换 一段财务部门的快节奏对白试连贯性 一个童话故事试表达力
1:52

ElevenLabs 推出 Dubbing V2 端到端的AI配音模型... 最大的变化：配音不再是"先转写、再翻译、最后合成"三段式拼接，而是模型直接基于原始表演建模声音。 并将音色、情绪、演绎都跟着穿越进每一种语言 也就是说，同一个人开口讲六国语言，听上去还是他本人，连情绪和呼吸节奏都对得上 Dubbing v2 支持 90 多种语言和口音， 原理：它针对原始表演来生成，而不是针对一段转录文本，所以语气、情绪、表达方式会跨语言保留下来，声音克隆全自动，会给原说话人建一个声音模型并应用到所有目标语言，保留身份、音高和语气，不用手动设置。 另外支持音频、视频和文字三种输入 具体能力： • 音色穿越：不是模仿你的声音，是你的声音直接在另一种语言里说话 • 情绪保真：原片里你笑你叹气你激动，译版照样有 • 同步感知翻译：译文长度匹配原片口型和停顿，不会嘴动完了字幕还在跑 • 措辞本地化：不是字面直译，每种语言用自己的表达方式 • 端到端全自动：传一个视频进去出一份配音，中间没有手工拼接 视频里他们演了三个场景： MrBeast 风格的荒岛求生在 English/German/French 之间无缝切换 一段财务部门的快节奏对白试连贯性 一个童话故事试表达力

小互

12,094 次观看 • 3 个月前

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。
1:06

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。

小互

22,976 次观看 • 11 个月前

字节发布了一款端到端同声传译模型：Seed LiveInterpret 2.0，中英双向端到端同传，延迟为2-3秒 从演示效果看，准确性、复杂场景的处理、声音情绪的表达、语音克隆音色转换的效果相对都还可以 性能上，语音到语音翻译，中英互译平均翻译质量到了66.3分，接近专业真人同传水平 延迟上，语音到文本输出首字平均延迟2.21秒，语音到语音输出延时2.53 秒 功能上支持实时声音复刻，复刻不同说话人的音色 擅长多人对话、非流利语音以及长音频场景 对绕口令、诗词、美食文化等可相对自然互译 #AI同传 #SeedLiveInterpret #字节同传
0:30

字节发布了一款端到端同声传译模型：Seed LiveInterpret 2.0，中英双向端到端同传，延迟为2-3秒 从演示效果看，准确性、复杂场景的处理、声音情绪的表达、语音克隆音色转换的效果相对都还可以 性能上，语音到语音翻译，中英互译平均翻译质量到了66.3分，接近专业真人同传水平 延迟上，语音到文本输出首字平均延迟2.21秒，语音到语音输出延时2.53 秒 功能上支持实时声音复刻，复刻不同说话人的音色 擅长多人对话、非流利语音以及长音频场景 对绕口令、诗词、美食文化等可相对自然互译 #AI同传 #SeedLiveInterpret #字节同传

AIGCLINK

78,304 次观看 • 1 年前

一款全新的多模态RAG系统：ColQwen-Omni，可以跨模态检索视频、音频、文档任意内容 它支持跨模态检索，比如说，你可以用文本查询音频片段，或者说用音频查询图像 用来处理音视频检索比较实用 它能理解不同的模态，直接处理原始数据，比先把音频或视频转录成文本再进行检索的方法速度更快 还有一个，就是直接处理音视频可以保留音视频中的情感、语气、环境音、以及视频中的视觉细节 #全模态RAG #RAG #跨模态RAG #ColQwenOmni
1:07

一款全新的多模态RAG系统：ColQwen-Omni，可以跨模态检索视频、音频、文档任意内容 它支持跨模态检索，比如说，你可以用文本查询音频片段，或者说用音频查询图像 用来处理音视频检索比较实用 它能理解不同的模态，直接处理原始数据，比先把音频或视频转录成文本再进行检索的方法速度更快 还有一个，就是直接处理音视频可以保留音视频中的情感、语气、环境音、以及视频中的视觉细节 #全模态RAG #RAG #跨模态RAG #ColQwenOmni

AIGCLINK

10,416 次观看 • 1 年前

HeyGen 发布 Avatar IV 数字人模型 只需一张照片、一段脚本和自己的语音，即可生成一个非常逼真数字人 - 新模型基于“扩散式音频驱动表情引擎”，能根据语音的节奏、语调、情绪合成真实的面部表情和动作。 - 支持侧脸图像与角度变化，带来更具电影感的画面。 - 支持唱歌同步（节奏匹配） - 不仅同步声音，还能“理解”语义与情感，表现出暂停、点头、语调起伏等微动作。 - 支持 30 秒音频/脚本：最多上传 30 秒的语音或文本脚本生成动画。
0:24

HeyGen 发布 Avatar IV 数字人模型 只需一张照片、一段脚本和自己的语音，即可生成一个非常逼真数字人 - 新模型基于“扩散式音频驱动表情引擎”，能根据语音的节奏、语调、情绪合成真实的面部表情和动作。 - 支持侧脸图像与角度变化，带来更具电影感的画面。 - 支持唱歌同步（节奏匹配） - 不仅同步声音，还能“理解”语义与情感，表现出暂停、点头、语调起伏等微动作。 - 支持 30 秒音频/脚本：最多上传 30 秒的语音或文本脚本生成动画。

小互

140,969 次观看 • 1 年前

兄弟们，这个厉害了！！！ PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型 能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。 还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。
1:30

兄弟们，这个厉害了！！！ PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型 能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。 还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。

小互

162,422 次观看 • 1 年前

我去 这个语音克隆模型有点牛P 哈哈哈 使用了 250,000 小时的中英双语语音数据训练 只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。 基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。
0:42

我去 这个语音克隆模型有点牛P 哈哈哈 使用了 250,000 小时的中英双语语音数据训练 只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。 基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。

小互

96,830 次观看 • 1 年前

YouMind 已上线音色克隆！🎉 可以用你自己或者喜欢的音色朗读文章、给 Slide 配音。 （本视频的配音也使用了音色克隆，真的和同事的声音一模一样）
0:34

YouMind 已上线音色克隆！🎉 可以用你自己或者喜欢的音色朗读文章、给 Slide 配音。 （本视频的配音也使用了音色克隆，真的和同事的声音一模一样）

Nicolechan

18,325 次观看 • 4 个月前

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力 支持语音克隆、风格定制 除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音
0:22

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力 支持语音克隆、风格定制 除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音

AIGCLINK

26,481 次观看 • 1 年前

MaskGCT：一个新的零样本文本到语音（TTS）模型 支持跨语言翻译配音、语音克隆、语言转换、情感控制等 与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。 支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。 同时模型大幅降低了推理时间，适合实时应用​。
1:55

MaskGCT：一个新的零样本文本到语音（TTS）模型 支持跨语言翻译配音、语音克隆、语言转换、情感控制等 与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。 支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。 同时模型大幅降低了推理时间，适合实时应用​。

小互

49,431 次观看 • 1 年前