正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Vibe Coding 大杀器来了，有点意思告别高声自言自语的尴尬，小声默念就能自动识别你的声音并进行语音输入一款智能戒指：轻声低语即可语音书写内容而且轻轻触摸戒指即可进行编辑还可以通过手势（如轻弹手指）在不同的应用程序、设备和 AI 之间快速切换与联动单次充电可使用 16 小时... 原生支持 iPhone、Mac、Vision Pro 等苹果设备

小互

111,426 subscribers

68,020 次观看 • 6 天前 •via X (Twitter)

健康养生科学技术

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

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 次观看 • 1 年前

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能支持mqtt和wss协议，实时打断，实时对话支持图像识别处理，有多模态交互能力，能理解图像内容支持IoT设备集成，来控制智能灯、调节温度等等可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能支持mqtt和wss协议，实时打断，实时对话支持图像识别处理，有多模态交互能力，能理解图像内容支持IoT设备集成，来控制智能灯、调节温度等等可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人

AIGCLINK

13,386 次观看 • 1 年前

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

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

17,019 次观看 • 1 年前

想要生成逼真的 AI 语音，通常使用在线 API 服务，不仅有隐私泄露风险，而且支付费用成本还不低。今天发现了一个开源免费的超逼真语音合成模型：NeuTTS Air，仅 0.5B 参数，可直接在本地电脑运行。生成的语音媲美真人，支持仅用 3 秒音频就能完成声音克隆，在手机、笔记本甚至树莓派上都能流畅运行。 GitHub：主要特性： - 超逼真语音合成，生成接近真人水平的自然语音； - 即时声音克隆，仅需 3 秒音频样本即可复制声音特征； - 完全本地运行，无需网络连接保护隐私安全； - 轻量级设计，支持手机、电脑和嵌入式设备部署； - 实时语音生成，在中等配置设备上也能流畅运行； - 内置水印技术，确保生成音频的责任可追溯性。根据 README 文档提供的详细使用教程，克隆项目安装 espeak 依赖后即可使用。

想要生成逼真的 AI 语音，通常使用在线 API 服务，不仅有隐私泄露风险，而且支付费用成本还不低。今天发现了一个开源免费的超逼真语音合成模型：NeuTTS Air，仅 0.5B 参数，可直接在本地电脑运行。生成的语音媲美真人，支持仅用 3 秒音频就能完成声音克隆，在手机、笔记本甚至树莓派上都能流畅运行。 GitHub：主要特性： - 超逼真语音合成，生成接近真人水平的自然语音； - 即时声音克隆，仅需 3 秒音频样本即可复制声音特征； - 完全本地运行，无需网络连接保护隐私安全； - 轻量级设计，支持手机、电脑和嵌入式设备部署； - 实时语音生成，在中等配置设备上也能流畅运行； - 内置水印技术，确保生成音频的责任可追溯性。根据 README 文档提供的详细使用教程，克隆项目安装 espeak 依赖后即可使用。

GitHubDaily

59,269 次观看 • 9 个月前

AI驱动的语音听写工具：Whispo，按Ctrl键就可以开始录音，松开即可将语音转文字转录内容可以自动插入到任何支持文本输入的应用中，数据存于本地 github： #语音转录 #Whispo

AI驱动的语音听写工具：Whispo，按Ctrl键就可以开始录音，松开即可将语音转文字转录内容可以自动插入到任何支持文本输入的应用中，数据存于本地 github： #语音转录 #Whispo

AIGCLINK

27,149 次观看 • 1 年前

一款电子书转有声书 AI 工具：ebook2audiobook。集成 Calibre、XXTSv2 等，可将电子书一键转换为高质量的有声读物，并且支持语音克隆以及 1107 种语言。 GitHub：支持常见电子书格式、仅需 4GB 内存即可流畅运行，转换后输出的有声书格式为 .m4b，包含元数据和章节信息。

一款电子书转有声书 AI 工具：ebook2audiobook。集成 Calibre、XXTSv2 等，可将电子书一键转换为高质量的有声读物，并且支持语音克隆以及 1107 种语言。 GitHub：支持常见电子书格式、仅需 4GB 内存即可流畅运行，转换后输出的有声书格式为 .m4b，包含元数据和章节信息。

GitHubDaily

54,898 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。

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

49,351 次观看 • 1 年前

Whisper Input 有点意思，可以做语音输入法。基于即友 FeiTTT 的创意开发的 Python 工具。通过按住 Option 键启动录音，松键即停止采集，调用 Groq 平台的 Whisper Large V3 Turbo 模型进行语音转写。绝大多数语音输入可在1-2秒内获得转译结果。实际应用效果令人满意。

Whisper Input 有点意思，可以做语音输入法。基于即友 FeiTTT 的创意开发的 Python 工具。通过按住 Option 键启动录音，松键即停止采集，调用 Groq 平台的 Whisper Large V3 Turbo 模型进行语音转写。绝大多数语音输入可在1-2秒内获得转译结果。实际应用效果令人满意。

Geek

40,181 次观看 • 1 年前

一款电子书转有声书的开源 AI 工具：ebook2audiobookXTTS。利用 Calibre 和 Coqui TTS，将电子书转换为高质量的有声读物，支持多种语言，并提供可选的语音克隆功能。 GitHub：

一款电子书转有声书的开源 AI 工具：ebook2audiobookXTTS。利用 Calibre 和 Coqui TTS，将电子书转换为高质量的有声读物，支持多种语言，并提供可选的语音克隆功能。 GitHub：

高军

49,945 次观看 • 1 年前

基于ESP32的一个AI聊天机器人项目，小智聊天机器人，支持离线语音唤醒、多语言识别，能分辨是谁在说话，对话比较自然流畅支持中文、粤语、英文、日语、韩语等有声纹识别，能分辨是谁在说话有短期记忆功能，能记住对话内容，可以自定义角色设定支持Qwen2.5 72B或豆包API，支持TTS #AI智能机器人 #小智

基于ESP32的一个AI聊天机器人项目，小智聊天机器人，支持离线语音唤醒、多语言识别，能分辨是谁在说话，对话比较自然流畅支持中文、粤语、英文、日语、韩语等有声纹识别，能分辨是谁在说话有短期记忆功能，能记住对话内容，可以自定义角色设定支持Qwen2.5 72B或豆包API，支持TTS #AI智能机器人 #小智

AIGCLINK

69,875 次观看 • 1 年前

看来 Claude 的语音模式即将推出在设置页面可以设置语音语言和风格而且支持中文，出乎意料之前据说用的是 11Lab 的模型…

看来 Claude 的语音模式即将推出在设置页面可以设置语音语言和风格而且支持中文，出乎意料之前据说用的是 11Lab 的模型…

小互

23,221 次观看 • 20 天前

一款电子书转有声读物的工具：ebook2audiobookXTTS，自动生成且支持多语言和声音定制支持多种电子书格式，epub、pdf、mobi等20种格式，输出时，会创建一个 .m4b 文件，其中包含元数据和章节信息支持多语言，英语、西班牙语、法语、德语、意大利语、葡萄牙语、波兰语、土耳其语、俄语、荷兰语、捷克语、阿拉伯语、中文、日语、匈牙利语和韩语使用Calibre和Coqui XTTS将电子书转为文本格式，用Coqui XTTS文本到语音转换，支持声音克隆功能，自定义TTS github： #AI有声读物 #TTS #电子书转有声读物

一款电子书转有声读物的工具：ebook2audiobookXTTS，自动生成且支持多语言和声音定制支持多种电子书格式，epub、pdf、mobi等20种格式，输出时，会创建一个 .m4b 文件，其中包含元数据和章节信息支持多语言，英语、西班牙语、法语、德语、意大利语、葡萄牙语、波兰语、土耳其语、俄语、荷兰语、捷克语、阿拉伯语、中文、日语、匈牙利语和韩语使用Calibre和Coqui XTTS将电子书转为文本格式，用Coqui XTTS文本到语音转换，支持声音克隆功能，自定义TTS github： #AI有声读物 #TTS #电子书转有声读物

AIGCLINK

37,558 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

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

62,507 次观看 • 1 年前

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。

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

22,933 次观看 • 9 个月前

一款开源的实时AI语音聊天助手：RealtimeVoiceChat，语音听起来相对自然，支持打断双向语音交互，延迟低，可以实时看到语音转录，以及AI的回复内容用来构建客服、教育或陪伴等等场景的AI语音助手比较实用 #AI语音助手

一款开源的实时AI语音聊天助手：RealtimeVoiceChat，语音听起来相对自然，支持打断双向语音交互，延迟低，可以实时看到语音转录，以及AI的回复内容用来构建客服、教育或陪伴等等场景的AI语音助手比较实用 #AI语音助手

AIGCLINK

22,917 次观看 • 1 年前

Bilibili 训练的这个 IndexTTS2 语音模型效果很不错，支持情感可控 + 时长可控 - 自由切换情绪（开心、生气、悲伤等），甚至能用文字告诉模型“我想让声音听起来愤怒”。 - 保持说话人音色不变，同时注入其他音频或文字里的情感。 - 生成更自然、更清晰的语音，即使在强烈情绪下也不会崩坏。 - 时长可控：可以“精确到毫秒”控制语音长度，也支持自然时长生成。 - 零样本能力：无需额外训练，只需一小段目标声音，就能模仿说话人音色并加上指定情绪。 - 多语种支持：训练语料 55,000小时，覆盖中英文、日文，兼顾自然度与跨语言表现。

Bilibili 训练的这个 IndexTTS2 语音模型效果很不错，支持情感可控 + 时长可控 - 自由切换情绪（开心、生气、悲伤等），甚至能用文字告诉模型“我想让声音听起来愤怒”。 - 保持说话人音色不变，同时注入其他音频或文字里的情感。 - 生成更自然、更清晰的语音，即使在强烈情绪下也不会崩坏。 - 时长可控：可以“精确到毫秒”控制语音长度，也支持自然时长生成。 - 零样本能力：无需额外训练，只需一小段目标声音，就能模仿说话人音色并加上指定情绪。 - 多语种支持：训练语料 55,000小时，覆盖中英文、日文，兼顾自然度与跨语言表现。

小互

27,485 次观看 • 9 个月前

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 次观看 • 2 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。

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

96,666 次观看 • 1 年前