Project Icon

AudioGPT

多功能音频生成与理解平台,支持语音、音乐、音效及虚拟人对话

AudioGPT 是一个多功能音频生成与理解平台,具备语音合成、语音识别、语音分离、风格迁移、声音检测、声音提取、文本到音频转换等功能,还支持音乐生成与虚拟人对话。集成了 FastSpeech、whisper、GeneFace 等多个领先的基础模型,AudioGPT 为开发者提供强大的开源工具和预训练模型,支持多种音频相关任务,不断扩展其功能和应用场景。此平台适合音频处理、自然语言处理及多模态研究的需求。

multimedia-gpt - 通过OpenAI简单集成视觉及音频的多媒体AI工具
ChatGPTGithubMultimedia GPTOpenAIOpenAI DALLEOpenAI Whisper开源项目
Multimedia GPT是一款利用OpenAI GPT和视觉音频相结合的多媒体工具。它支持图片、音频和PDF文件输入,并以文字和图像形式输出结果。这个项目不需要自己准备GPU,实现了语音识别和图像生成,基于微软的Visual ChatGPT架构,未来计划支持视频处理。它兼容多种OpenAI语言模型,包括ChatGPT和GPT-4,用户可以自定义模型并在不同设备上运行。
GPT4Audio - GPT4Audio: 多功能语音文字转换桌面应用
AI工具AI文本生成GPTMicrosoft Word插件图像生成语音转文字
GPT4Audio是一款功能强大的Windows桌面应用,支持多语言音频文件的转录和翻译,以及实时语音听写。该应用集成了Microsoft Word插件,结合ChatGPT和GPT-3/3.5技术,可快速生成文本和图像。无论是学习、工作还是创作,GPT4Audio都能显著提升效率,帮助用户轻松完成各类任务。
speechgpt - 语音对话ChatGPT助力提升多语言口语能力
GithubSpeechGPT多语言支持开源应用开源项目语音聊天隐私保护
SpeechGPT是一个开源的网络应用,支持用户与ChatGPT进行语音对话。该应用支持超过100种语言,集成了语音识别和合成技术,可用于提升语言口语能力或进行AI对话。SpeechGPT注重数据隐私,将所有信息存储在本地。作为一个免费的开源项目,它为用户提供了一个便捷的AI语音交互平台,适用于语言学习和日常交流。
MusicGPT - 本地运行的MusicGPT音乐生成应用
AI音乐生成GithubMusicGPT开源项目性能高效本地运行自然语言提示
MusicGPT为本地运行的功能强大的音乐生成应用,支持MusicGen by Meta等模型,无需重型依赖,适配多平台。计划扩展支持更多音乐AI模型。用户可通过命令行或UI界面响应自然语言提示创作音乐,兼容Mac、Linux和Windows,支持在CPU与CUDA加速GPU上运行。
AnyGPT - 基于离散序列建模的多模态语言模型
AnyGPTGithub多模态语言模型大语言模型开源项目模态转换离散序列建模
AnyGPT是一款基于离散序列建模的多模态语言模型,能够统一处理语音、文本、图像和音乐等多种模态。该模型通过将不同模态数据转换为统一的离散表示,实现了模态间的转换和自由对话。AnyGPT包含基础模型和聊天模型两个版本,前者实现了四种模态的对齐,后者基于AnyInstruct数据集训练,支持灵活的多模态交互。
py-gpt - 多功能桌面AI助手,支持多模式与模型集成
DALL-E 3GPT-4GithubLangchainOpenAI APIPyGPT开源项目
PyGPT是一款桌面AI助手,提供与OpenAI语言模型GPT-4、GPT-4 Vision和GPT-3.5的直接互动,并通过Langchain集成其他LLMs。支持对话、生成、辅助和图像处理等多种功能,使用DALL-E 3进行图像生成,利用GPT-4 Vision进行图像分析。支持文件系统操作、Python代码生成和执行、系统命令、电文语音合成和识别,集成微软Azure、Google、Eleven Labs和OpenAI的服务。多模态插件支持,适用于文本交互、系统自动化、日常辅助、视觉应用和代码生成。
OpenGPT - 综合AI技术平台与创新社区
AI工具AI绘图ChatGPTGPTsOpenAI人工智能
OpenGPT是一个集成多种AI功能的综合平台,提供Prompts商店、GPTs商店、OpenChat对话系统、OpenDraw创意工具和Open Video视频处理功能。平台集成了Gemini Pro、ChatGPT4、DALL.E.3和Imagen2等先进AI技术。作为一个开放的AI社区,OpenGPT鼓励GPTs提交,用户可以参与技术交流,并有机会免费使用这些AI服务。OpenGPT旨在构建一个多元化的AI生态系统,为AI领域的探索和应用提供广阔空间,促进AI技术的交流与创新。
GPT-Synthesizer - AI辅助的软件开发工具,逐步解析项目需求
AI协作GPT SynthesizerGithubLangChainOpenAI代码生成开源项目
GPT Synthesizer是一款利用人工智能协助实现完整软件项目的工具,采用AI引导的对话模式逐步解析设计需求,将任务转化为程序组件。独特之处在于兼顾用户参与和AI自主性,适用于不同技能水平和任务复杂度的用户。支持命令行界面和Streamlit用户界面,并集成LangChain,便于自定义和扩展。适合编程初学者和需要项目指导的用户。
GPT-SoVITS - 少样本声音克隆模型
GPT-SoVITS-WebUIGithubWebUI工具开源项目文本转语音模型训练热门跨语言支持
GPT-SoVITS-WebUI是一款功能强大的在线语音转换和文本转语音工具,支持跨语言转换与实时语音合成。项目集成了自动训练集分段、中文语音识别和文本标记等工具,能够帮助初学者轻松创建训练数据集和GPT/SoVITS模型。GPT-SoVITS支持零样本和少样本文本转语音,是音频处理领域的创新应用。
AudioLDM2 - 多功能文本到音频生成开源项目
AudioLDM 2Github人工智能开源项目文本生成音频深度学习音频合成
AudioLDM2是一个开源的文本到音频生成项目,支持创建音效、音乐和语音。该模型能生成超过10秒的音频,输出高达48kHz的高保真音频,并与Hugging Face Diffusers库集成。AudioLDM2提供多个预训练检查点,适用于不同生成任务,支持CPU、CUDA和MPS设备。用户可通过命令行或Web应用程序使用,提供灵活的音频生成选项。项目还包括随机种子调整功能,可优化不同硬件上的性能表现。支持批量生成和自动质量控制,允许用户生成多个候选音频并选择最佳结果。此外,项目提供了详细的使用说明和参数设置选项,方便用户根据需求调整生成过程。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号