UniVG
UniVG是百度推出的一种统一模态视频生成系统。它能够处理多种输入模态，如文本和图像，并生成与输入语义高度一致的视频。UniVG采用了多条件交叉注意力技术和偏置高斯噪声方法，以提高生成视频的质量和保留原始内容。
MAI-Voice-1简介
MAI-Voice-1是什么？
MAI‑Voice‑1是Microsoft AI推出的高保真、富有表现力的语音生成模型，可在单张 GPU 上 1 秒生成 1 分钟音频，效率与音质兼备。支持单人及多人对话场景，语调自然、情感丰富，适用于播客、新闻播报、故事讲述、引导式冥想等多种场景。已应用于 Copilot Daily 与 Copilot Podcasts，并在 Copilot Labs 提供交互体验，让 AI 语音交互更自然、更有温度。
项目官网：https://microsoft.ai/news/two-new-in-house-models/
核心功能与特点
- 高度自然的语音合成：支持单人和多人对话场景，语音富有情感、语调变化自然。
- 极速生成：在单张 GPU 上可在 1 秒内生成 1 分钟音频，属于目前效率最高的语音生成系统之一。
- 多场景适配：讲故事、播客、新闻播报、引导式冥想等，可根据提示词调整语气、节奏、情绪。
- 高保真音质：输出清晰度接近录音棚水准，适合直接用于成品内容。
- 集成场景：已应用于 Copilot Daily（每日音频简报）、Copilot Podcasts（AI 播客），在 Copilot Labs 提供语音与故事创作体验。
应用场景
- 内容创作：生成有情感的旁白、播客、故事音频
- 教育培训：制作课程讲解、语言学习音频
- 虚拟助手：为 AI 助手提供自然语音交互
- 冥想与健康：定制化引导冥想、睡眠故事
数据评估
关于MAI-Voice-1特别声明
本站新媒派提供的该工具内容都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由新媒派实际控制，在2025年8月31日 下午3:54收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，新媒派不承担任何责任。
与MAI-Voice-1相关工具
YAYI2
YAYI2（雅意2）是中科闻歌推出的新一代开源大语言模型，支持中文、英语等 10 多种语言。基于 Transformer 架构，参数规模达到 30B。YAYI2 采用 2 万亿 Tokens 的高质量语料进行预训练，并结合人类反馈强化学习，确保模型与人类价值观对齐。其多模态交互功能支持图文互生成、PDF 解析等。YAYI2 广泛应用于媒体宣传、舆情分析、政务治理、金融分析等领域，为企业提供 AI 辅助工具和知识库问答系统。
Tora
Tora 是阿里团队推出的一个视频生成模型，能够根据轨迹、图像、文本或其组合，快速生成精确运动控制的视频。它支持多种输入方式，如轨迹、文本和图像，并能生成高分辨率、运动可控的视频。
天谱乐
天谱乐是唱鸭旗下的AI音乐品牌，为用户提供个性化、智能化的音乐创作体验。它支持文本、图片和视频生成音乐，让创作变得简单便捷。利用先进的多模态理解与生成技术，天谱乐能够生成与图片和视频情感高度契合的音乐，并提供发行级的歌曲创作服务。无论是专业音乐人还是普通爱好者，天谱乐都能帮助您高效创作出独一无二的音乐作品。
文心大模型
百度文心,产业级知识增强大模型,包含基础通用大模型及面向重点领域和重点任务的大模型,同时有丰富的工具与平台支撑高效便捷的应用开发,学习效率高,可解释性好,大幅降低AI开发与应用门槛.
心辰Lingo语音大模型
心辰Lingo语音大模型是由西湖心辰（杭州）科技有限公司开发的端到端语音大模型。该模型具备原生语音理解、多种语音风格表达、语音模态超级压缩、实时打断和控制、深度情感理解等功能，能够以超拟人化的方式进行互动。这个模型不仅能快速响应复杂指令，还能深度理解用户的情感和意图。
Boximator
Boximator是字节跳动推出的一款利用深度学习技术进行视频合成的先进工具。它使用文本提示和额外的盒子约束来生成丰富且可控制的视频运动，从而为用户创造独特的视频场景提供了灵活的运动控制。
Adobe Firefly Image2
Adobe Firefly Image 2 是Adobe推出的一款生成式人工智能模型，建立在Firefly图像模型的基础上，专为设计师和创作者提供更强大、更智能的图像生成能力。它通过简单的文字描述，可以生成高质量的图像、文字效果和鲜艳的调色板。
PuLID
PuLID是由字节跳动的团队开源的一种个性化文本到图像生成技术，通过对比对齐和快速采样方法，能够在无需调整模型的情况下轻松生成个性化写真。该技术能够保持高身份(ID)保真度，同时最大限度地减少对原始图像风格和背景的干扰，支持用户通过文本提示轻松编辑图像，生成逼真且个性化的图像结果。
Aidge
Aidge基于阿里巴巴国际数字商业集团的大语言模型和多模态大模型，结合对全球商业的深度洞察，为客户提供全面的国际电商AI云服务。Aidge 聚焦商业场景，让客户的全球经营效果更好，成本更低。Aidge 作为国际电商领域专业前沿且经验丰富的AI服务提供方，拥有极强的多语言能力、本地化能力和营销设计能力，帮助企业客户降低语言和文化门槛，解决中小企业难以获得设计、营销、服务和人才等问题。
天工
「天工」是国内首个对标 ChatGPT 的双千亿级大语言模型，也是一个对话式AI助手。「天工」通过自然语言与用户进行问答交互，AI 生成能力可满足文案创作、知识问答、逻辑推演、数理推算、代码编程等多元化需求。
IndexTTS
IndexTTS是B站推出的工业级文本转语音系统，支持中英双语、零样本语音克隆与高保真音质。采用字符-拼音混合建模、BigVGAN2 解码器与情感音色分离技术，语音自然流畅，广泛应用于智能助手、有声读物、视频配音等场景。
元象XChat
元象XChat是一款智能聊天助手，它基于元象通用大模型，可以与用户进行自然、流畅、有趣的对话。元象XChat不仅可以提供信息、解答问题，还可以创作内容，如诗歌、故事、代码、歌曲等。元象XChat的目标是成为用户的AI伙伴，帮助用户探索AI与3D的无限可能。
Moonvalley.ai
Moonvalley.ai是一款功能强大的文本到视频生成式AI模型。它可以从简单的文字描述中生成高清视频和动画，涵盖各种不同的风格，包括超现实视频、动漫以及介于两者之间的所有内容。用户只需提供简要的文字提示，即可创造电影级的视觉效果。该模型主打高清、16:9电影画质，视频质量比大多数其他一代AI视频工具要好得多。
CrewAI
CrewAI是一个创新的框架，专为角色扮演中的AI代理提供自动化设置。它通过促进AI代理之间的合作，使得这些代理能够共同解决复杂问题。CrewAI的核心特征包括角色定制代理、自动任务委派、任务管理灵活性和流程导向。它既可以使用OpenAI的API，也可以通过Ollama使用本地的大模型来运行程序。
AnimateZero
AnimateZero是腾讯AI团队发布的一款AI视频生成模型，通过改进预训练的视频扩散模型(Video Diffusion Models)，能够更精确地控制视频的外观和运动，实现从静态图像到动态视频的无缝转换。
暂无评论...
ClipSafari
ClipSafari是一个免费无版权剪贴画（Clip Art）图库网站，提供超过10万张高质量剪贴画。各类素材包括动物、人物、风景、节日、教育、科技等主题，涵盖办公、教育、商用等全方位使用环境，是适用教师、职员、设计师等个人及商业用户的素材库。
Gratisography
Gratisography是由美国著名艺术家Ryan McGuire建立的创意免费商用图库。与其他图库不同，网站上的图库图片以“幽默、古怪、新奇”为特点，而且用户可以无需注册便下载，且全部图库图片都可以被免费使用于个人或商业用途，覆盖了动物、人、自然、城市、商业类别。作为全球知名的创意图库，每周更新新作品，为各类创作者提供差异化视觉资源支持。
BoomCut
BoomCut 爆剪辑提供出海营销一站式视频本地化解决方案，提供视频翻译、视频换脸、音色克隆、唇音驱动、智能擦除、字幕翻译等 AI 技术，快速完成本地化营销视频生成.
批改网
批改网是国内领先的智能英语写作批改与教学辅助平台。基于自然语言处理、深度学习以及庞大的语料库，帮助用户解决“英语写作批改慢、批改反馈不及时、作文个性化评价少”的困扰，能够对学生的英语作文进行自动评分、逐句评批作文、作文写作能力分析，辅导学生快速提高作文水平，节省老师批改作文的负担。
飞象老师
飞象老师是猿辅导集团打造的教师专属AI专业工具。提供教学动画生成、智能命题与组题、教案设计、等功能，帮助教师高效备课、课堂演示，提升教学质量与趣味性。核心解决教师备课效率低、抽象知识难呈现、课堂互动性不足等痛点，让教师 “一句话生成专业教学资源”，聚焦教学设计与育人本质。