KI-Audio

Deepgram-API AIStartMap

Einheitliche Sprach-KI-API-Plattform, die Spracherkennung, Synthese, intelligente Analyse und Konversations-KI-Agent-Infrastruktur in Echtzeit bietet

Ecrett-Musik ecrett

KI-Tool zur Erstellung lizenzfreier Soundtracks für Entwickler, mit dem Sie schnell kommerziell verfügbare Musik nach Szene, Stimmung und Genre generieren können

3D-Lautsprecher

ModelScope ist ein Open-Source-Toolkit zur multimodalen Stimmabdruckerkennung und Sprechertrennung.

Elf Musik ElevenLabs

Die KI-Plattform zur Musikgenerierung von ElevenLabs kombiniert eine Creator Workbench, einen Marktplatz für kommerzielle Lizenzen und eine einbettbare Musik-API

Fisch-Audio Fish

Eine Text-to-Speech- und Sprachklonungsplattform, die sich auf emotionale Ausdruckskraft konzentriert und auf dem Open-Source-Fish-Speech-Modell basiert

ACE-Schritt ACE-Step

ACE Studio und StepFun veröffentlichen gemeinsam das Grundmodell der Musikgenerierung als Open Source, um eine effiziente Generierung und Textbearbeitung zu unterstützen.

Aero-1-Audio Aero-1-Audio

Ein leichtes Audiomodell mit nur 150 Millionen Parametern, das 15 Minuten kontinuierliche Audioverarbeitung unterstützt

Spaß Asr Fun-ASR

Das Open-Source-End-to-End-Spracherkennungsmodell von Tongyi Lab unterstützt chinesische Dialekte und 31 Sprachen.

Ein Interview AInterview

Sie sind der Gast und AI ist der Moderator, der in wenigen Minuten ein Podcast-Interview erstellt

Fun-AudioGen-VD Alibaba Tongyi Lab

Das von Alibaba Tongyi Lab eingeführte Timbre-Design-Modell unterstützt die Beschreibung natürlicher Sprache, um Timbre, Emotionen und szenenbasiertes Audio zu erzeugen.

AssemblyAI-API AssemblyAI

Eine Sprach-KI-API-Plattform für Entwickler, die eine vollständige Link-Infrastruktur von der Transkription über das Verstehen bis hin zum Sprachagenten bietet

Gemini 3.1 Flash TTS Google

Das von Google eingeführte Text-to-Speech-Modell der nächsten Generation unterstützt über 70 Sprachen und die Steuerung von Audio-Tags auf Director-Ebene