Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

Heygen发布Avatar in Motion 1.0新功能不仅可以保持口型同步，克隆语音语调，保留背景声！还能精准的识别和追踪用户的身体动作，如手部移动和手势！这意味着你可以使用文本输入控制一个虚拟角色，并使其复制你的动作、姿态，让他说任何语言。这样这个虚拟人几乎难以分辨真假！真正以假乱真！

小互

105,896 subscribers

54,648 görüntüleme • 2 yıl önce •via X (Twitter)

Bilim & Teknoloji Eğitim Sanat

Anya Rossi• Live Now

Private livecam show

7 Yorum

小互 profil fotoğrafı

小互2 yıl önce

Heygen让网友随意出文案，他们帮忙生成演示文案： "Ladies and gentlemen, let's peel back our appreciation for the banana, history's most comical fruit. This elongated, slightly bent treasure not only serves as nature's own slapstick prop but also moonlights as the world’s most straightforward snack to decipher: green says wait, yellow screams eat, and brown spots are a missed opportunity. Bananas, in their eco-friendly packaging, remind us to enjoy their potassium-rich goodness before offering themselves to the compost gods. Whether mashed into bread, frozen for a pseudo-healthy treat, or starring in a pants-splitting banana split, this fruit has slipped its way into our diets and hearts. Here's to the banana, the ultimate blend of humor, health, and humility. Cheers!" "女士们，先生们，让我们一起来欣赏历史上最滑稽的水果--香蕉。这种细长、略微弯曲的珍品不仅是大自然的滑稽道具，也是世界上最简单易解的零食：绿色代表等待，黄色代表吃，而褐色斑点则代表错失良机。香蕉的环保包装提醒我们，在把自己献给堆肥神之前，先享受一下香蕉富含的钾。无论是捣碎做成面包、冷冻做成伪健康食品，还是做成让人欲罢不能的香蕉船，这种水果已经悄悄地进入了我们的饮食和心灵。为香蕉干杯，它是幽默、健康和谦逊的终极融合。干杯！"

小互 profil fotoğrafı

小互2 yıl önce

绕口令文案演示： 😅 She sells seashells by the seashore, The shells she sells are seashells, I’m sure. So if she sells seashells on the seashore, Then I’m sure she sells seashore shells. 她在海边卖贝壳、我敢肯定，她卖的是贝壳。所以，如果她在海边卖贝壳、那她肯定是卖海边贝壳的。

dnl 𝕏 profil fotoğrafı

dnl 𝕏2 yıl önce

heygen访问不了啊。。。😂

welcum profil fotoğrafı

welcum2 yıl önce

对于不想出镜的视频博主，有用。

Aplomb 安波 profil fotoğrafı

Aplomb 安波2 yıl önce

太强了，不用拍短视频了👍

Roger profil fotoğrafı

Roger2 yıl önce

@readwise save thread

AWMNA profil fotoğrafı

AWMNA2 yıl önce

手型和动作都是事先录制好的吧

Benzer Videolar

兄弟们这个厉害了 Viggle AI 推出通过录制声音让你的角色说话的功能而且还能口型同步同时你还可以通过结合声音和动作来完全控制你的角色，让你的角色边唱歌边跳舞。完全控制角色的各种表现方式。可以通过ViggleAI 的APP体验：

兄弟们这个厉害了 Viggle AI 推出通过录制声音让你的角色说话的功能而且还能口型同步同时你还可以通过结合声音和动作来完全控制你的角色，让你的角色边唱歌边跳舞。完全控制角色的各种表现方式。可以通过ViggleAI 的APP体验：

小互

26,036 görüntüleme • 1 yıl önce

ElevenLabs 发布新一代语音设计工具 Voice Design v3 你只需输入一段描述性文字，就能生成相应的语音支持 70+语言可设计和控制语音各种个性它可以解析Prompt 中涉及的情绪、语气、年龄、背景、口音等信息，从而生成拟人化语音。支持对语音角色的个性和韵律（如语气、语速、语调变化、年龄和性别）拥有更细致控制支持 Eleven v3 和新音频标签提升口音识别处理更高保真音频输出

ElevenLabs 发布新一代语音设计工具 Voice Design v3 你只需输入一段描述性文字，就能生成相应的语音支持 70+语言可设计和控制语音各种个性它可以解析Prompt 中涉及的情绪、语气、年龄、背景、口音等信息，从而生成拟人化语音。支持对语音角色的个性和韵律（如语气、语速、语调变化、年龄和性别）拥有更细致控制支持 Eleven v3 和新音频标签提升口音识别处理更高保真音频输出

小互

13,380 görüntüleme • 11 ay önce

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。

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

162,350 görüntüleme • 1 yıl önce

谷歌新的 Gemini TTS 模型太牛逼了！直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。你能想到的都能控制，根本不需要切换单独的语音模型！我的 AI 互动漫剧应用终于是完全体了！使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

谷歌新的 Gemini TTS 模型太牛逼了！直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。你能想到的都能控制，根本不需要切换单独的语音模型！我的 AI 互动漫剧应用终于是完全体了！使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

歸藏(guizang.ai)

127,166 görüntüleme • 6 ay önce

Hedra Studio 推出Character-3 AI 数字人视频生成模型可以同时处理多种输入类型（图像、文本、音频），并将它们融合成高质量的视频。上传一张人物照片，输入一段文本或音频，Character-3 就能生成一个会说话、唱歌甚至表演的虚拟角色视频。支持全身动作和情感控制，大范围动态场景... 可以生成具有高度表现力的虚拟人物，比如可以用于讲故事、制作动画或营销内容。

Hedra Studio 推出Character-3 AI 数字人视频生成模型可以同时处理多种输入类型（图像、文本、音频），并将它们融合成高质量的视频。上传一张人物照片，输入一段文本或音频，Character-3 就能生成一个会说话、唱歌甚至表演的虚拟角色视频。支持全身动作和情感控制，大范围动态场景... 可以生成具有高度表现力的虚拟人物，比如可以用于讲故事、制作动画或营销内容。

小互

19,850 görüntüleme • 1 yıl önce

OpenVoice V2版本发布原生支持英语、西班牙语、法语、中文、日语和韩语音频质量大幅提升能轻松克隆任何声音，用多种语言说话，并可控制情感口音 OpenVoice能对声音风格的精细控制，包括情感、口音、节奏、停顿和语调，同时能够复制参考发言者的音色。详细：

OpenVoice V2版本发布原生支持英语、西班牙语、法语、中文、日语和韩语音频质量大幅提升能轻松克隆任何声音，用多种语言说话，并可控制情感口音 OpenVoice能对声音风格的精细控制，包括情感、口音、节奏、停顿和语调，同时能够复制参考发言者的音色。详细：

小互

33,307 görüntüleme • 2 yıl önce

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,755 görüntüleme • 1 yıl önce

没错又炸裂了！ Runway 推出一款生成式角色表演工具可以把任意视频转换成任意风格虚拟角色动画并且保持人物的情感、表情、语音、口型同步 - 只需要用摄像头录下你的表演，Act-One 就能把视频转换成虚拟角色的动画，比如演员的眼神、面部表情、动作节奏和说话方式都会被捕捉下来。 - 传统动画制作需要专门的设备和复杂的步骤，比如动作捕捉或面部建模，但用 Act-One，只要一台普通摄像头就能生成逼真的角色动画，大大简化了流程。 - Act-One 可以根据不同的参考图像，把同一个演员的表演变成各种风格的角色，无论是卡通还是逼真风格都可以。

没错又炸裂了！ Runway 推出一款生成式角色表演工具可以把任意视频转换成任意风格虚拟角色动画并且保持人物的情感、表情、语音、口型同步 - 只需要用摄像头录下你的表演，Act-One 就能把视频转换成虚拟角色的动画，比如演员的眼神、面部表情、动作节奏和说话方式都会被捕捉下来。 - 传统动画制作需要专门的设备和复杂的步骤，比如动作捕捉或面部建模，但用 Act-One，只要一台普通摄像头就能生成逼真的角色动画，大大简化了流程。 - Act-One 可以根据不同的参考图像，把同一个演员的表演变成各种风格的角色，无论是卡通还是逼真风格都可以。

小互

49,932 görüntüleme • 1 yıl önce

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。她可以与你互动，甚至你触摸它，她也会有反应她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。支持语音交互、触控反馈、手势识别、眼神追踪等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。她可以与你互动，甚至你触摸它，她也会有反应她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。支持语音交互、触控反馈、手势识别、眼神追踪等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

小互

28,861 görüntüleme • 1 yıl önce

兄弟们，又出来个牛P玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。官网：可以去他们discord免费体验： ViggleAI

兄弟们，又出来个牛P玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小case... 最牛P的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换... 其核心技术基于JST-1模型。JST-1是首个具有实际物理理解能力的视频-3D基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 1、可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle将根据这些指示生成视频。 2、基于物理的动画：JST-1模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3、3D角色和场景创建：Viggle不仅限于传统的2D视频制作，它还能够创建3D角色和场景。官网：可以去他们discord免费体验： ViggleAI

小互

103,511 görüntüleme • 2 yıl önce

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

140,926 görüntüleme • 1 yıl önce

牛P了 Runway 推出Gen-4 References（第四代参考图）新功能这个功能的核心作用是：让你能创建风格一致的人物、场景等内容（比如连续性的人物造型、背景风格）你可以使用已有的素材，如： •照片 •生成的图像 •3D 模型 •自拍然后将这些素材 “嵌入”到你想象中的任何场景里。简单说，就是：你可以上传某个角色的照片，然后 AI 会根据这个角色生成不同场景中的一致形象，比如同一个人穿不同衣服、在不同地方，但都保持形象一致。这个功能非常适合： •做动画、漫画角色统一性 •为短片、电影设定角色风格 •把自己放进虚拟世界、幻想场景中

牛P了 Runway 推出Gen-4 References（第四代参考图）新功能这个功能的核心作用是：让你能创建风格一致的人物、场景等内容（比如连续性的人物造型、背景风格）你可以使用已有的素材，如： •照片 •生成的图像 •3D 模型 •自拍然后将这些素材 “嵌入”到你想象中的任何场景里。简单说，就是：你可以上传某个角色的照片，然后 AI 会根据这个角色生成不同场景中的一致形象，比如同一个人穿不同衣服、在不同地方，但都保持形象一致。这个功能非常适合： •做动画、漫画角色统一性 •为短片、电影设定角色风格 •把自己放进虚拟世界、幻想场景中

小互

37,821 görüntüleme • 1 yıl önce

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

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

26,476 görüntüleme • 1 yıl önce

使用 Google Gemini 做出了目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。之前也尝试过用OpenAI的语音模式学习英语，问题是我英语本来就不是很好，每次回答还默认英语，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。 Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

使用 Google Gemini 做出了目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。之前也尝试过用OpenAI的语音模式学习英语，问题是我英语本来就不是很好，每次回答还默认英语，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。 Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

Box (mainnet arc)

141,403 görüntüleme • 1 yıl önce

Kyutai 又推出了一个新的语音模型： Unmute 这是一个高度模块化的语音 AI 系统，可以为任何文本大语言模型快速添加语音功能。也就是它可以插入到任意的模型当中，让该模型具有语音能力。 -它能够很智能判断你是否说完一句话，然后再接茬 -你也可以随时打断它 -基于 10 秒语音样本即可定制声音 -能实现“文本流式”合成，支持在文本尚未完全生成时开始说话，进一步降低响应延迟。

Kyutai 又推出了一个新的语音模型： Unmute 这是一个高度模块化的语音 AI 系统，可以为任何文本大语言模型快速添加语音功能。也就是它可以插入到任意的模型当中，让该模型具有语音能力。 -它能够很智能判断你是否说完一句话，然后再接茬 -你也可以随时打断它 -基于 10 秒语音样本即可定制声音 -能实现“文本流式”合成，支持在文本尚未完全生成时开始说话，进一步降低响应延迟。

小互

37,051 görüntüleme • 1 yıl önce

$兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。$

兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 görüntüleme • 1 yıl önce

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。

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

96,245 görüntüleme • 1 yıl önce

兄弟们，这下可以实现TTS 生成文本转语音自由了。测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。感兴趣的同学可以自己去试试，地址放评论区。

兄弟们，这下可以实现TTS 生成文本转语音自由了。测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。感兴趣的同学可以自己去试试，地址放评论区。

Berryxia.AI

45,388 görüntüleme • 4 ay önce

微软发布OmniParser V2 将任何大语言模型转变为一个可以与计算机交互的智能代理。让AI可以操控你的电脑执行任务 OmniParser V2将屏幕截图中的信息从像素转化为结构化数据。这些结构化数据能够被 LLM 识别和处理，从而使 LLM 可以更智能地理解和预测下一步操作。这样，任何能够运行的 LLM 都能变成一个“计算机使用代理”，能够执行用户的指令，如： -点击、输入、拖拽等操作。 -进而去执行一些任务图标和高分辨率屏幕的识别上表现更好。 V2 在速度和功能上相较于 V1 提升了60%，并支持多种操作系统和应用程序图标识别。

微软发布OmniParser V2 将任何大语言模型转变为一个可以与计算机交互的智能代理。让AI可以操控你的电脑执行任务 OmniParser V2将屏幕截图中的信息从像素转化为结构化数据。这些结构化数据能够被 LLM 识别和处理，从而使 LLM 可以更智能地理解和预测下一步操作。这样，任何能够运行的 LLM 都能变成一个“计算机使用代理”，能够执行用户的指令，如： -点击、输入、拖拽等操作。 -进而去执行一些任务图标和高分辨率屏幕的识别上表现更好。 V2 在速度和功能上相较于 V1 提升了60%，并支持多种操作系统和应用程序图标识别。

小互

47,084 görüntüleme • 1 yıl önce