Moshi – 法国AI实验室Kyutai开发的实时音频多模态模型
Moshi是由法国的的人工智能研究实验室Kyutai推出的一...
排序
Muse AI – AI音乐创作应用，三种创作模式生成完整的个性化音乐作品
Muse AI是基于AI技术的音乐创作应用，简化音乐创作流程...
Hertz-Dev – Standard Intelligence推出8.5亿参数的开源音频模型
Hertz-Dev是Standard Intelligenc...
OpenMusic – 基于 QA-MDT 的开源高质量文生音乐模型
OpenMusic 是一款基于 QA-MDT（Quality...
screenpipe – 搭建个性化AI助手的软件，捕捉屏幕和音频录音
screenpipe是一款基于AI技术，全天候监控用户电脑屏...
PaliGemma 2 – 谷歌DeepMind推出的全新视觉语言模型
PaliGemma 2是Google DeepMind基于G...
TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型
TANGOFLUX是高效的文本到音频生成模型，是新加坡科技设...
Seed-Music – 字节跳动推出的AI音乐生成大模型
Seed-Music是字节跳动推出的 AI音乐生成 大模型...
琴乐大模型 – 腾讯推出的AI音乐创作大模型
琴乐大模型是由腾讯AI Lab与腾讯TME天琴实验室共同研发...
NotaGen – 中央音乐学院联合北航、清华等推出的音乐生成模型
NotaGen 是中央音乐学院、北京航空航天大学、清华大学等...
SongGen – 上海 AI Lab 和北航、港中文推出的歌曲生成模型
SongGen是上海AI Lab、北京航空航天大学和香港中文...
R1-Omni – 阿里通义开源的全模态大语言模型
R1-Omni 是阿里通义推出的基于强化学习（RLVR）的全...
QA-MDT – 中科大联合科大讯飞推出开源音乐生成模型
QA-MDT（Quality-aware Masked Di...
OpenUtau – 开源的AI歌声合成工具，自动适配系统语言
OpenUtau 是开源的歌声合成工具，兼容 UTAU 音源...
Sketch2Sound – Adobe 联合西北大学推出的AI音频生成技术
Sketch2Sound是Adobe 研究院和西北大学推出的...
行者AI
行者AI官网是成都潜在人工智能科技有限公司的官方网站，展示其基于AI技术的文娱、教育、内容生成与智能安全解决方案，以及企业动态与行业成果。
MuCodec – 清华、腾讯AI、港中文共同推出的超低比特率音乐编解码器
MuCodec是清华大学深圳国际研究生院、腾讯AI实验室和香...
InspireMusic – 阿里通义实验室开源的音乐生成技术
InspireMusic 是阿里巴巴通义实验室开源的 音乐生...
ImageBind – Meta推出开源多模态AI模型，实现六种多模态数据整合
ImageBind是Meta公司推出的开源多模态AI模型，将...
SongCreator – AI音乐模型，能理解、生成和编辑歌曲
SongCreator是清华大学深圳国际研究生院、香港中文大...
Manifest – AI心理健康应用，根据情绪状态定制化心里健康对话
Manifest是Amy Wu推出的基于AI技术的心理健康应...
Nooka – AI播客应用，收听时可随时提问实时互动
Nooka是创新的AI驱动的听书应用，提供全球优质非虚构类书...
Audio Decomposition – 开源音乐转谱工具，一键将音乐转换为五线谱
Audio Decomposition是音频处理技术，基于傅...
Pollinations.AI – 开源AI内容生成平台，提供免费文本和图像生成API
Pollinations.AI 是开源的AI内容生成平台，提...
Stable Audio Open Small – Stability AI和Arm推出的文本到音频生成模型
Stable Audio Open Small 是 Stab...
MusicFX – 谷歌推出的免费的AI音乐生成工具
Google MusicFX是谷歌推出的一款免费的人工智能音...
Emotion-LLaMA – 多模态情绪识别与推理模型，融合音频、视觉和文本输入
Emotion-LLaMA是多模态情绪识别与推理模型，融合了...
ACE-Step – ACE Studio联合阶跃星辰开源的音乐生成基础模型
ACE-Step 是 ACE Studio 和 StepFu...
MnnLlmApp – 阿里巴巴开源的离线大模型 Android 手机应用AI助手
MnnLlmApp 是阿里巴巴基于 MNN-LLM 框架开源...
EMAGE – 清华联合东大等机构推出的音频生成全身共语手势框架
EMAGE（Expressive Masked Audio...