AI音频创作

共 1232 篇网址
PixelPlayer

PixelPlayer

PixelPlayer是一个能够通过观看大量无标注视频学会定位产生声音的图像区域并分离输入声音成一组表示每个像素声音的组件的系统。我们的方法利用视觉和听觉双模态的自然同步特点,在不需要额外人工标注的情况下学习联合解析声音和图像的模型。该系统使用大量包含不同乐器组合独奏和二重奏演奏的训练视频进行训练。对每个视频没有提供出现了哪些乐器、它们在哪里以及它们是什么声音的监督。在测试阶段,系统的输入是一个展示不同乐器演奏的视频和单声道听觉输入。系统执行音频视觉源分离和定位,将输入声音信
010
Skeleton Fingers

Skeleton Fingers

这是一款基于AI技术的网页音频转录产品,可以直接在浏览器中将音频链接、上传的音频文件或语音录制转换为文字。它具有以下优势:1)无需下载安装,在线即可使用;2)支持多种音频输入方式;3)AI语音识别技术,准确高效;4)操作简单,界面友好。该产品主要面向需要将音频内容转录为文字的人群,如视频制作者、播客主播、记者等,帮助他们提高工作效率。
010
Make-An-Audio 2

Make-An-Audio 2

Make-An-Audio 2是一种基于扩散模型的文本到音频生成技术,由浙江大学、字节跳动和香港中文大学的研究人员共同开发。该技术通过使用预训练的大型语言模型(LLMs)解析文本,优化了语义对齐和时间一致性,提高了生成音频的质量。它还设计了基于前馈Transformer的扩散去噪器,以改善变长音频生成的性能,并增强时间信息的提取。此外,通过使用LLMs将大量音频标签数据转换为音频文本数据集,解决了时间数据稀缺的问题。
010
MaskVAT

MaskVAT

MaskVAT是一种视频到音频(V2A)生成模型,它利用视频的视觉特征来生成与场景匹配的逼真声音。该模型特别强调声音的起始点与视觉动作的同步性,以避免不自然的同步问题。MaskVAT结合了全频带高质量通用音频编解码器和序列到序列的遮蔽生成模型,能够在保证高音频质量、语义匹配和时间同步性的同时,达到与非编解码器生成音频模型相媲美的竞争力。
010
AI-Powered Sleep Story Generator

AI-Powered Sleep Story Generator

AI-Powered Sleep Story Generator是一款创新的AI驱动工具,旨在帮助用户进入深度而宁静的睡眠。用户可以描述自己理想的睡眠场景,AI将利用最新技术制作出舒缓而沉浸式的音频故事,安抚心灵,帮助用户放松进入梦乡。该工具将个性化提升到新水平,根据用户的特定偏好和需求定制每个故事,无论是轻柔的自然声音、舒缓的叙述,还是两者的结合,AI技术都能确保完美适应用户的睡前例程。
010
AI Dubbing by Wavel

AI Dubbing by Wavel

AI Dubbing Online是一项利用人工智能技术进行视频和音频配音的服务。它通过精确的声音同步和情感表达,帮助用户将内容本地化为100多种语言,扩大全球观众群体。这项技术的重要性在于它能够以高达95%的准确率提供无与伦比的配音质量,使用先进的自然语言处理技术来分析和配音,从而扩大观众覆盖范围。AI Dubbing Online被行业领导者和超过100万用户所信赖,它不仅是一个配音工具,还提供了一个全方位的解决方案,包括转录、字幕生成等,为整个本地化工作流程节省了时间和
020
ManiWAV

ManiWAV

ManiWAV是一个研究项目,旨在通过野外的音频和视觉数据学习机器人操控技能。它通过收集人类演示的同步音频和视觉反馈,并通过相应的策略接口直接从演示中学习机器人操控策略。该模型展示了通过四个接触丰富的操控任务来证明其系统的能力,这些任务需要机器人被动地感知接触事件和模式,或主动地感知物体表面的材料和状态。此外,该系统还能够通过学习多样化的野外人类演示来泛化到未见过的野外环境中。
010
JASCO

JASCO

JASCO是一个结合了符号和基于音频的条件的文本到音乐生成模型,它能够根据全局文本描述和细粒度的局部控制生成高质量的音乐样本。JASCO基于流匹配建模范式和一种新颖的条件方法,允许音乐生成同时受到局部(例如和弦)和全局(文本描述)的控制。通过信息瓶颈层和时间模糊来提取与特定控制相关的信息,允许在同一个文本到音乐模型中结合符号和基于音频的条件。
010
Co-Producer

Co-Producer

Co-Producer 是我们正在构建的一套 AI 功能,旨在帮助音乐创作者节省更多创作时间,减少搜索时间,首先推出的是 Pack Generator。Pack Generator 是一个强大的样本包生成器,通过文本描述即可创建独特的免版税样本包。用户可以选择不同的情绪、乐器、流派或参考艺术家,即可获得即时灵感。通过生成的样本包,用户可以快速将想法变为现实,并在任何数字音频工作站中进行创作。
010