新闻资讯 | AIGCPanel

CosyVoice-M300-Instruct 是一个用于语音合成的模型，主要应用于语音生成和转换任务。这个模型属于 CosyVoice 语音合成系列，旨在提供高质量、自然的语音合成效果。CosyVoice-M300 特别适用于需要自定义情感、语调和...

模型更新

2025-04-10

CosyVoice-0.5b 是一个用于语音合成的模型，主要应用于语音生成和转换任务。这个模型属于 CosyVoice 语音合成系列，旨在提供高质量、自然的语音合成效果。CosyVoice-M300 特别适用于需要自定义情感、语调和发音特征...

模型更新

2025-04-10

Wav2Lip 是一个基于深度学习的语音驱动唇动同步（lip-sync）模型，能够根据输入的音频（音频信号）生成与之同步的高质量唇动视频。Wav2Lip 的目标是使视频中的人物与音频中的话语完全同步，产生更自然和真实的口型运...

模型更新

2025-04-10

CosyVoice-0.5b 是一个用于语音合成的模型，主要应用于语音生成和转换任务。这个模型属于 CosyVoice 语音合成系列，旨在提供高质量、自然的语音合成效果。CosyVoice-M300 特别适用于需要自定义情感、语调和发音特征...

模型更新

2025-04-03

MuseTalk 模型是一种先进的视频生成和转换模型，专门设计用于将音频与视频内容进行高度协调，生成具有高质量、自然表现的视频输出。该模型结合了深度学习技术，能够对视频中的面部表情、嘴型、声音、语音同步等进行...

模型更新

2025-03-23

Spark-TTS 是SparkAudio 团队开源的基于大型语言模型(LLM)的高效文本转语音(TTS)工具，无需额外的生成模型，直接从 LLM 预测的编码中重建音频，实现零样本文本到语音的转换。Spark-TTS 支持中英双语，具备跨语言合...

模型更新

2025-03-23

FishSpeech是由FishAudio团队精心研发的AI语音合成工具。它以其跨语言的强大能力、人类级的语音处理精度以及完美的中文支持，为全球用户带来了前所未有的语音交互体验。

模型更新

2025-03-23

CosyVoice-M300 是一个用于语音合成的模型，主要应用于语音生成和转换任务。这个模型属于 CosyVoice 语音合成系列，旨在提供高质量、自然的语音合成效果。CosyVoice-M300 特别适用于需要自定义情感、语调和发音特征...

模型更新

2025-03-23

Wav2Lip 是一个基于深度学习的语音驱动唇动同步（lip-sync）模型，能够根据输入的音频（音频信号）生成与之同步的高质量唇动视频。Wav2Lip 的目标是使视频中的人物与音频中的话语完全同步，产生更自然和真实的口型运...

模型更新

2025-02-26

LatentSync 模型 LatentSync 是字节跳动推出的一种基于音频条件的端到端唇同步技术，通过潜在扩散模型和时间表示对齐技术（TREPA），实现高质量、时间一致的动态视频生成，并优化了 SyncNet 的收敛问题，使唇同步的...

模型更新

2025-02-26