Krisp

PlayHT是一个人工智能驱动的语音生成网站，提供逼真的AI文本转语音工具，可以快速将文本转换为自然的、类似人类的音频，跨越任何语言和口音。你可以将其用于视频编辑、在线学习和培训、AI语音应答、创建音频文章朗读、自媒体视频旁白等各种应用场景。

AI实时变声工具

大饼AI变声是什么 大饼AI变声（Dubbing.tech）是一款功能强大、免费专业的实时语音变声软件，是国内首款基于AI深度学习的声音引擎，并且支持全场景切入，兼容和支持多种游戏以及语音客户端。该AI变声软件的音色丰富多样，有数百种音色可供选择，并且每期提供免费的变声音色。除了实时变声，大饼声音引擎SaaS版还提供了文字转语音、声音克隆、声音定制、声音转换等功能，全方位地满足对多元声音的需求。 大饼AI变声的主要功能 上百种优质音色随心选择：大饼AI变声提供丰富多样的音色，无论是萝莉音还是青叔音，你都可以随时随地更换自己的声音皮肤 支持海量的应用和游戏：支持快手、斗鱼、虎牙、Steam、Discord、CS GO、刀塔、绝地求生、微信、Zoom等热门的平台和游戏内变声 个性化声音定制：提供音频样本素材与具体需求，大饼声音引擎在10个工作日内交付专属于你的个性化克隆声音 文字转语音：输入文字即可一键合成饱满、自然的音色，效果接近人声，支持中英文发音（该功能需在大饼声音引擎SaaS版中使用） 大饼AI变声的应用场景 游戏开黑：局内多人游戏开黑整活，节目效果拉满 社交直播：告别社恐，不再担心真声开口的尴尬 元宇宙/虚拟人：给虚拟人/数字人创造符合人设的任何声音 广告营销：自由选择符合目标群体偏好的广告音色，达到更好的广告效果 影视动画：灵活调整角色的音色、台词、情绪，用声音让影视角色丰满起来 如何使用大饼AI变声 访问大饼AI变声的官网（dubbing.tech），点击下载软件并进行安装 安装完成后打开软件然后登录/注册，进入软件提示步骤 连接并选择要使用的耳机/麦克风，待创建好虚拟麦克风即可使用 在声音库中选择你要使用的变声音色 若要在不同的应用程序中变声，则可在该应用的音频设置中选择 Dubbing Virtual Device 作为输入设备 大饼AI变声的产品价格 大饼AI变声的产品模式很有意思，不像其他的声音工具按照付费解锁时长或更多声音，大饼AI变声采用的是每期提供免费使用的音色，倒计时结束后轮换新的一批音色，若想永久解锁保留某个音色才需要付费。不同的音色永久解锁的价格不同，基本上在1900~5900猫饼（兑换比例为1元等于100猫饼），也就是永久解锁一个音色的价格为19元～59元。充值猫饼需在软件内充值： 50元为5000猫饼 100元为10000猫饼 200元为20000猫饼 可自定义充值金额，但需为100的倍数 常见问题 大饼AI变声是免费的吗？ 目前大饼AI变声客户端处于免费阶段，下载后安装注册即可使用。 大饼AI变声支持哪些操作系统？ 大饼AI变声支持Windows和macOS桌面端，iOS和Android移动端即将推出。 大饼AI变声支持哪些语言？ 目前大饼AI变声支持中文、英文、日语等40+种语言，同时也支持上海话、广东话等各地方言。 大饼AI变声是否可用于商业用途？ 可以，大饼AI变声通过收集公开开源的声音数据，使用自研算法建立音色模型。

Stable Audio 是 Stability AI （Stable Diffusion 背后的公司）最新推出的AI音乐生成工具，允许用户通过简单的 Web 界面使用 AI 技术生成原创音乐和音效。用户只需输入文本描述想要的音乐和音效（提示语可以包括流派、乐器、情绪、节拍数等细节），便能自动生成音频。网站的设计、颜色和几何形状的搭配，提供了很舒适的用户观感和体验。 如何使用Stable Audio 访问 Stable Audio 的官网 stableaudio.com，可以播放提供的样例音乐，或者点击Try it out开始生成 然后注册/登录你的账号（可使用邮箱或Google账号登录），登录成功后会跳转到后台的生成界面 在text prompt输入框中输入提示语和描述，也可以在duration处调节生成的音乐长度 最后点击圆形黑色的箭头按钮便可以生成音乐了，等待生成完后右侧可以播放和下载 Stable Audio的价格 Stable Audio 提供免费和付费订阅的计划，都支持提供描述音乐流派、乐器、情绪、节奏和其他参数的文本提示。 免费版本允许用户每月生成 20 个 45 秒的音频 “Pro”付费版11.99美元/月。每月可以生成用于商用的更高质量的 500 个不超过 90 秒的音频 Stable Audio生成的音乐的许可 免费用户可以使用通过 Stable Audio 生成的音频作为您自己的音乐作品（即音乐曲目）中的 sample，不能商用 付费用户可以在商业媒体项目中使用：视频、游戏、播客等，包括内部项目和外部客户项目 不允许在生成的音频上训练 AI 模型

讯飞智作是科大讯飞推出的一站式智能配音服务平台，提供AI文字转语音、语音合成、智能配音、AI虚拟主播等工具，赋能内容生产者高效创作，让音视频创作更快、更省、更独特。 讯飞智作的主要功能 AI配音朗读/转换。用户只需输入文字立刻变声，并且可以调整和修改换气、连续、停顿、音量、音调、读速等参数，一键生成专业音频 AI真人配音合成。选择真人配音，效果更加真实逼真，多种场景覆盖，如广告配音、课件配音、彩铃配音、纪录片、新闻播报等 AI虚拟主播。AI虚拟主播专业形象出镜讲解，让AI视频更加具有情感和亲和力，适用于教育培训、日常分享、财经评论、情感鸡汤等场景。 AIGC工具箱。提供AI文案、AI绘图、让照片说话、虚拟数字分身、专属AI声音等AIGC工具，全面帮助用户释放AI生成的能力。

天工SkyMusic是什么 天工SkyMusic是昆仑万维推出的国内首个音乐SOTA模型，采用自研的大模型音乐音频生成技术，能够实现端到端的音乐创作，包括乐器、人声、旋律等元素的一体化生成。该模型在音质、人声自然度等方面声称超越了国际竞争对手Suno V3，是全球领先的AI音乐生成模型。天工SkyMusic还支持参考音乐生成和方言歌曲创作，大幅降低了音乐创作门槛，让不具备专业乐理知识的用户也能轻松创作音乐，同时促进了方言文化的传播。目前，天工SkyMusic已开启免费公测，所有用户都可以免费使用。 天工SkyMusic的主要功能 高质量AI音乐生成：天工SkyMusic能够创作出具有高音质标准的AI音乐作品，每首歌曲长达80秒，采用44100Hz的采样率和双声道立体声技术，确保音乐的细节丰富，层次分明，为听众带来沉浸式的音乐体验。 极致人声还原：在中文人声的生成上，天工SkyMusic 生成的音乐在发音清晰度上具有高水准，发音清晰、自然，能够精准捕捉并再现中文的音韵美，让听众难以区分真人与AI的演唱。 情感丰富的歌词结构：天工SkyMusic不仅能够创作旋律，还能根据歌词内容智能划分不同的情感段落，使得每首歌曲都能呈现出丰富的情感变化和动态对比，让音乐作品更具表现力。 多样化音乐风格覆盖：无论是流行、古典、民族还是现代电子音乐，天工SkyMusic都能轻松驾驭。它支持多种音乐风格，包括但不限于说唱、民谣、放克、古风、电子等，满足不同用户的音乐品味和创作需求。 音乐表达的智能化：天工SkyMusic能够学习和模拟各种复杂的歌唱技巧，如颤音、歌剧唱法、吟唱风格、男女对唱以及自动和声等，让AI生成的音乐作品拥有更加丰富和专业的音乐表达。 个性化参考音乐创作：用户可以上传自己喜欢的参考音乐，天工SkyMusic将分析并捕捉其风格和唱腔特点，生成风格相近、情感相融的新歌曲，让每个人都能成为音乐创作者。 地方文化的方言音乐创作：天工SkyMusic还特别注重地方文化的传承与创新，支持多种方言的音乐生成，如粤语、成都话、北京话等，不仅让音乐作品具有地域特色，也为方言文化的传播和保护提供了新的途径。 如何使用天工SkyMusic 手机上下载安装天工APP，然后进行登录 切换到音乐，点击开始写歌 输入歌名和歌词，选择参考歌曲 最后点击生成歌曲，等待作品生成即可 天工SkyMusic的适用人群 音乐创作者：对于作曲家、歌手、音乐制作人等专业音乐人士，天工SkyMusic提供了一个强大的创作工具，可以帮助他们快速生成高质量的音乐作品，拓宽创作灵感，提高工作效率。 音乐爱好者：对于喜欢音乐但不具备专业音乐制作技能的普通用户，天工SkyMusic降低了音乐创作的门槛，使他们能够轻松创作属于自己的歌曲，实现音乐梦想。 广告与媒体行业：在广告制作、影视配乐、游戏音效等领域工作的专业人士，可以利用天工SkyMusic快速生成符合项目需求的背景音乐，提升作品的专业感和艺术价值。 企业与品牌：企业可以利用天工SkyMusic生成独特的品牌音乐，用于提升品牌形象，增强市场营销的效果。

BGM猫是由北京灵动音科技有限公司推出的一款AI智能生成BGM音乐的工具，用户只需选择音乐时长和对应标签便能自动生成BGM。该AI音乐生成器允许用户选择30秒到5分钟的音乐时长，根据用户选择的场景、风格和心情标签来生成视频配乐或片头音乐。BGM猫支持生成以下不同类型的音乐： 场景：时尚/美妆/穿搭、数码科技、旅行、搞笑/恶搞、知识/科普、运动/健身、庆祝/节日、萌宠、美食、vlog等 风格：古风、电子、R&B、爵士、轻音乐/钢琴、节奏感/卡点、摇滚 心情：慵懒、欢快、燃/励志、治愈/感动、俏皮、浪漫、紧张/恐怖/悬疑、伤感煽情催泪、大气/磅礴

Deepgram是什么 Deepgram是一个提供先进的AI语音识别和自然语言处理技术的平台，核心功能是强大的语音到文本（Speech-to-Text）和文本到语音（Text-to-Speech）API，让开发者能够快速将语音转录和理解功能集成到他们自己的应用程序和服务中。 Deepgram声称其服务在准确性、成本效益和速度方面都具有行业领先优势，它的GPU基础设施优化了语音和语言模型的性能，提供了高达40倍的转录速度和便宜3~5倍的成本。 Deepgram的主要功能 语音转文本API：Deepgram 的核心功能之一是将音频数据转换为文本，开发者可以将这一功能集成到他们的应用程序中，以实现自动转录、内容索引和数据挖掘。 自然语言理解：Deepgram 不仅能够转录语音，还能理解转录文本的含义，提供了一系列自然语言处理功能，如语言检测、文本摘要、说话者识别、情感分析等，帮助开发者从音频数据中提取有价值的信息。 多语言和方言支持：Deepgram 支持30多种语言和方言的转录，可以服务于全球各地的用户，并且能够理解和处理不同地区的语言差异。 Aura文本到语音API：Deepgram 最新推出的文本到语音（TTS）服务，提供了自然、类似人类的声音，并且具有低延迟特性，适合对话式AI代理和应用程序。 定制模型：Deepgram 允许用户根据自己的特定需求定制语音识别模型。这种定制化的方法使得Deepgram 能够为特定的行业术语、品牌名称或专有词汇提供更高的识别准确率。 灵活的部署选项：Deepgram 提供了灵活的部署选项，包括在云端、本地或私有云环境中。这使得企业可以根据自己的数据安全和隐私需求来选择合适的部署方式。 Deepgram的应用场景 客户服务和呼叫中心：Deepgram 可以用于自动转录客户服务电话，帮助企业提高服务效率，通过语音分析改善客户体验，并从通话中提取有价值的数据和洞察。 媒体和内容制作：Deepgram 可用于快速准确地转录视频、播客和其他媒体内容，节省编辑和后期制作的时间，同时提高内容的可访问性。 医疗转录：在医疗领域，Deepgram 可以帮助医生和医疗专业人员转录临床笔记、患者咨询和手术记录，提高记录的准确性和可检索性。 语音助手和聊天机器人：Deepgram 的技术可以集成到语音助手和聊天机器人中，提供更自然、更准确的语音交互体验，提高用户满意度。 Deepgram的产品价格 Pay as you go按量计费：提供200美元的免费积分额度，访问所有端点和公共模型 Growth版：一年约4K~10K美元，可以优惠折扣访问所有端点和公共模型 实际调用API时，会根据不同的模型和应用场景以及时长来计费，详情见Deepgram Pricing定价页面。