HeyGen数字人

小鱼AI，智能写作助手，高效创作文案，助力内容营销，提升工作效率。

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

CapCut剪映专业版官网ai剪辑软件，让创作更简单网站服务

ElevenLabs 是国外一个火爆的AI文字转语音平台，目前已完成测试阶段并推出了正式版。借助先进的多语言人工智能技术，ElevenLabs 可以自动识别包括中文在内的28种语言，并将其转换为逼真的语音。免费版提供每月10000个字符的转换和创建3个自定义声音。ElevenLabs的产品功能AI语音合成，提供文本转语音工具，支持多种类型的声音、风格和语言生成高质量的口语音频。AI语音克隆，提供声音克隆工具，无需输入文本便可以快速克隆自己的声音高质量语音库，ElevenLabs提供了一个高品质人工智能语音库社区，用户可选择加入Discord交流和分享音频编辑工具，提供调整节奏、分割声音的工作台以完全控制创作过程ElevenLabs支持的语言和口音ElevenLabs 支持包括中文、英文、德语、日语、法语等在内的28种语言的文本转语音，实测欧美国家的语言效果更好，中文的效果还有待提升。ElevenLabs的产品价格ElevenLabs提供免费增值的定价体系，免费版提供每月10000个字符的转换和创建3个自定义声音。付费版价格如下：Starter版本，5美元/月，提供每月30000个字符和创建10个自定义声音Creator版本，22美元/月，提供每月100000个字符和创建30个自定义声音Independent Publisher版本，99美元/月，提供每月500000个字符和创建160个自定义声音

Viva是什么Viva是由智象未来（HiDream.ai）推出的一个免费的AI创意视觉生成平台，提供文本到图像、文本到视频、图像到视频等多种生成功能。用户只需输入描述性的文字或上传图片，Viva AI就能生成具有逼真效果的短视频。该平台具备AI视频生成、AI图像增强、视频增强、创意滤镜、和自动背景移除等特性，支持多种视频参数设置，如长宽比、运动强度等，并且提供4K分辨率放大，旨在帮助用户轻松创造和提升视觉内容，让每个瞬间都变得生动。Viva的主要功能AI视频生成：Viva AI突破了传统视频制作的界限，能够根据文本描述（文生视频）或现有图像（图生视频）生成引人入胜的视频内容，为视频创作者提供了无限的可能性。AI图像生成：利用AI的强大能力，Viva AI能够根据用户的文本描述或现有图像，创造出全新的视觉作品，极大地丰富了图像创作的维度。AI图像增强：平台的AI图像增强功能可以显著提升图像的清晰度、色彩和细节，使得每一张图像都焕发出专业级别的光彩。AI视频增强：Viva AI的视频增强技术能够对视频内容进行深度优化，无论是提高分辨率（最高4K）还是增强动态效果，都能让视频内容更加生动和吸引人。图像重绘：Viva AI的图像重绘功能允许用户对图像进行风格转换或外观调整，满足个性化设计的需求，创造出独一无二的视觉体验。图像扩展：通过智能算法，Viva AI能够无缝扩展图像的画幅或内容，同时保持图像质量，为用户提供更大的创作空间。图像消除：Viva AI的自动背景移除功能，使用户能够轻松去除图像中的背景元素，专注于突出主题，简化了复杂的图像编辑过程。如何使用Viva生成视频访问Viva的官网（vivago.ai/video），国内版为HiDream.ai选择Text to Video文生视频输入提示词，设置负面提示词、视频画面比例和运动强度最后点击Generate等待视频生成即可你也可以选择Image to Video上传图片进行图生视频Viva的应用场景社交媒体内容：创作者可以利用Viva生成有趣的视频内容，用于吸引粉丝和提高社交媒体平台的互动率。广告制作：企业或个人可以使用Viva快速制作广告视频，节省成本同时保持创意和吸引力。电影和视频制作：电影制作人和视频编辑者可以使用Viva作为前期创意和概念验证的工具。艺术创作：艺术家和设计师可以使用Viva将他们的创意想法转化为视觉作品，探索新的艺术表现形式。个人娱乐：用户可以为自己或朋友制作个性化的视频，用于纪念特殊时刻或分享生活趣事。

讯飞智作是什么讯飞智作是科大讯飞推出的一站式AIGC内容创作平台，基于人工智能技术提供文字转语音、虚拟数字人视频制作等服务。用户可以轻松实现音视频内容的快速生成，无需专业技能即可创作出高质量的媒体作品。广泛应用于媒体、教育、企业等多个领域，助力内容创作者提升工作效率，实现创意的快速落地。讯飞智作的主要功能AI配音功能：用户可以输入文稿或录音，选择虚拟主播进行配音，支持多语种、多情感、多风格的配音，满足个性化需求。虚拟数字人视频生成功能：用户可以通过简单的操作，将虚拟数字人与自己的内容相结合，生成生动有趣的视频。PPT生成视频功能：用户可以将PPT文件导入平台，通过智能剪辑和编排，快速生成高质量的视频内容。高度定制化：提供声音定制和形象定制服务，用户可以定制专属的发音人和虚拟形象，使内容更具个性化。操作简便：操作界面简洁明了，用户无需专业音视频制作技能即可轻松上手，同时提供详细的操作教程和客服支持。高质量输出：依托科大讯飞的AI技术，保证音视频内容的高质量输出，包括语音的清晰度、自然度和视频的流畅度、画面质量。AI+视频：在虚拟“AI演播室”中输入文本或录音，一键完成音、视频作品的输出，提供音视频一键生成、多形象多音库、多功能编排等功能。虚拟人生态：提供虚拟人形象构建、AI驱动、API接入、多场景解决方案，实现一站式虚拟人应用服务，并联合产业合作伙伴共建虚拟人生态。AI虚拟人技术：使用AI技术生成虚拟人物，进行智能交互。AI虚拟人直播机：实现虚拟人物的直播功能。如何使用讯飞智作访问官网：访问讯飞智作的官方网站。选择功能：登录后，您可以看到讯飞智作提供的不同功能，如AI配音、虚拟数字人视频生成、PPT生成视频等。根据您的需求选择合适的功能。输入文稿或上传文件：在AI配音功能中，您可以直接输入文稿或上传doc、pdf、txt格式的文件。选择主播声音：系统会默认选择一个合成主播，您也可以点击主播头像选择其他主播，并试听不同主播的声音。调整语速和语调：如果对默认的语速、语调不满意，您可以调节主播的语速或语调参数，可以收藏调整好的参数以便下次使用。试听和调整：选择好主播后，您可以进行试听，在试听过程中调整有瑕疵的地方。多人配音：讯飞智作支持多人配音模式，同一文本可以选择多个主播交替播报。生成视频：对于PPT生成视频功能，您可以将PPT文件导入平台，然后通过智能剪辑和编排，快速生成高质量的视频内容。虚拟人定制：如果您需要个性化的虚拟形象，可以选择形象定制服务，包括面部特征、发型、服装等。下载和使用：制作完成后，您可以预览视频效果，并生成视频下载到本地使用。讯飞智作的应用场景媒体领域：讯飞智作在新闻制作中可以快速将新闻文稿转换为音视频新闻，提高新闻制作效率。在专题片和纪录片制作中，用AI配音功能为影片配上合适的解说音，增强影片的表现力。金融领域：金融机构可以用讯飞智作的虚拟人、多语种语音合成等功能，在理财知识普及和投资推荐时，用生动的形象和通俗易懂的语言向投资者讲解理财知识。文旅领域：在文化旅游宣传方面，可以创建具有地方特色的虚拟导游形象，通过多情感语音合成，以富有情感的语音介绍旅游景点的历史文化、风土人情等内容，增强文化传承和旅游吸引力。企业数字化领域：企业可以用讯飞智作在宣传、培训教育、产品推广等方面，用虚拟人形象制作宣传视频，吸引客户关注；PPT生成视频功能可以将培训资料转换为视频，方便员工学习；AI配音功能可以为产品宣传视频配上合适的声音，提高产品的推广效果。智慧政务领域：讯飞智作在智慧政务中也有应用，可以提供智能化的服务和信息传播。短视频创作领域：讯飞智作的虚拟数字分身功能，彻底颠覆了传统口播视频的制作流程，为音视频创作缩减了70%以上的时间及成本。

Sora是什么Sora是由OpenAI推出的AI视频生成模型，具备将文本描述转化为视频的能力，能够创造出既逼真又富有想象力的视频场景。该模型专注于模拟物理世界的运动，旨在帮助人们解决需要现实世界互动的问题。相较于Pika、Runway、PixVerse、Morph Studio、Genmo等只能生成四五秒的AI视频工具，Sora能够生成长达一分钟的视频，同时保持视觉质量和对用户输入的高度还原。除从零开始创建视频，Sora还能基于现有静态图像生成动画，或者扩展和补全现有视频。需要注意的是，尽管Sora的功能看起来非常强大，但目前还没有正式对外开放，OpenAI正在对其进行红队测试、安全检查和优化。OpenAI的官网上目前只有对Sora的介绍、视频Demo和技术讲解，暂未提供可直接使用的视频生成工具或API。madewithsora.com网站上收集了Sora生成的视频，感兴趣的朋友可以前往观看。Sora的主要功能文本驱动的视频生成：Sora 能够根据用户提供的详细文本描述，生成与之相符的视频内容。这些描述可以涉及场景、角色、动作、情感等多个方面。视频质量与忠实度：生成的视频保持高质量的视觉效果，并且紧密遵循用户的文本提示，确保视频内容与描述相符。模拟物理世界：Sora旨在模拟现实世界的运动和物理规律，使得生成的视频在视觉上更加逼真，能够处理复杂的场景和角色动作。多角色与复杂场景处理：模型能够处理包含多个角色和复杂背景的视频生成任务，尽管在某些情况下可能存在局限性。视频扩展与补全：Sora不仅能从头开始生成视频，还能基于现有的静态图像或视频片段进行动画制作，或者延长现有视频的长度。Sora的技术原理OpenAI Sora的技术架构猜想文本条件生成：Sora模型能够根据文本提示生成视频，这是通过将文本信息与视频内容相结合实现的。这种能力使得模型能够理解用户的描述，并生成与之相符的视频片段。视觉块（Visual Patches）：Sora将视频和图像分解为小块的视觉块，作为视频和图像的低维表示。这种方法允许模型处理和理解复杂的视觉信息，同时保持计算效率。视频压缩网络：在生成视频之前，Sora使用一个视频压缩网络将原始视频数据压缩到一个低维的潜在空间。这个压缩过程减少了数据的复杂性，使得模型更容易学习和生成视频内容。空间时间块（Spacetime Patches）：在视频压缩后，Sora进一步将视频表示分解为一系列空间时间块，作为模型的输入，使得模型能够处理和理解视频的时空特性。扩散模型（Diffusion Model）：Sora采用扩散模型（基于Transformer架构的DiT模型）作为其核心生成机制。扩散模型通过逐步去除噪声并预测原始数据的方式来生成内容。在视频生成中，这意味着模型会从一系列噪声补丁开始，逐步恢复出清晰的视频帧。Transformer架构：Sora利用Transformer架构来处理空间时间块。Transformer是一种强大的神经网络模型，在处理序列数据（如文本和时间序列）方面表现出色。在Sora中，Transformer用于理解和生成视频帧序列。大规模训练：Sora在大规模的视频数据集上进行训练，这使得模型能够学习到丰富的视觉模式和动态变化。大规模训练有助于提高模型的泛化能力，使其能够生成多样化和高质量的视频内容。文本到视频的生成：Sora通过训练一个描述性字幕生成器，将文本提示转换为详细的视频描述。然后，这些描述被用来指导视频生成过程，确保生成的视频内容与文本描述相匹配。零样本学习：Sora能够通过零样本学习来执行特定的任务，如模拟特定风格的视频或游戏。即模型能够在没有直接训练数据的情况下，根据文本提示生成相应的视频内容。模拟物理世界：Sora在训练过程中展现出了模拟物理世界的能力，如3D一致性和物体持久性，表明该模型能够在一定程度上理解并模拟现实世界中的物理规律。OpenAI官方Sora技术报告：https://openai.com/research/video-generation-models-as-world-simulators机器之心解读的Sora技术细节：https://www.jiqizhixin.com/articles/2024-02-16-7赛博禅心 – 中学生能看懂：Sora 原理解读：https://mp.weixin.qq.com/s/KUnXlDlg-Rs_6D5RFpQbnQSora的应用场景社交媒体短片制作：内容创作者快速制作出吸引人的短片，用于在社交媒体平台上分享。创作者可以轻松地将他们的想法转化为视频，而无需投入大量的时间和资源去学习视频编辑软件。Sora还可以根据社交媒体平台的特点（如短视频、直播等）生成适合特定格式和风格的视频内容。广告营销：快速生成广告视频，帮助品牌在短时间内传达核心信息。Sora可以生成具有强烈视觉冲击力的动画，或者模拟真实场景来展示产品特性。此外，Sora还可以帮助企业测试不同的广告创意，通过快速迭代找到最有效的营销策略。原型设计和概念可视化：对于设计师和工程师来说，Sora可以作为一个强大的工具来可视化他们的设计和概念。例如，建筑师可以使用Sora生成建筑项目的三维动画，让客户更直观地理解设计意图。产品设计师可以利用 Sora 展示新产品的工作原理或用户体验流程。影视制作：辅助导演和制片人在前期制作中快速构建故事板，或者生成初步的视觉效果。这可以帮助团队在实际拍摄前更好地规划场景和镜头。此外，Sora还可以用于生成特效预览，让制作团队在预算有限的情况下，探索不同的视觉效果。教育和培训：Sora 可以用来创建教育视频，帮助学生更好地理解复杂的概念。例如，它可以生成科学实验的模拟视频，或者历史事件的重现，使得学习过程更加生动和直观。如何使用SoraOpenAI Sora目前暂未提供公开访问使用的入口，该模型正在接受红队（安全专家）的评估，只向少数视觉艺术家、设计师和电影制作人进行测试评估。OpenAI没有指定更广泛的公众可用性的具体时间表，不过可能是2024年的某个时间。若想现在获得访问权限，个人需要根据OpenAI定义的专家标准获得资格，其中包括属于参与评估模型有用性和风险缓解策略的相关专业团体。

Hotshot是什么Hotshot是一个AI视频生成工具，能将文本快速转换为3秒的逼真视频。用户只需输入文本提示，如场景或角色描述，AI便自动创作视频。Hotshot支持创意表达，易于分享和下载，也不用担心视频生成数量限制。Hotshot的易用性和无限制的视频生成能力，为视频制作爱好者和创意专业人士提供了一个强大的工具。Hotshot的主要功能文本到视频转换：用户输入文本描述，如场景、角色或动作，Hotshot自动生成3秒的视频。快速生成：在一分钟内即可完成视频生成，生成效率比较高。易于分享：生成的视频可以通过分享链接或直接下载到设备上进行分享。无限制使用：没有限制用户可以生成的视频数量，。多样的文本提示：支持广泛的文本提示，包括具体场景、抽象概念或特定风格描述。如何使用Hotshot产品官网：访问官网 hotshot.co ，可以使用谷歌账号一键登录。输入文本提示：在提供的文本框中输入您想要转换成视频的文本提示。可以是一个场景描述、角色、动作或其他任何想要在视频中看到的内容。提交生成请求：输入文本后，提交请求后Hotshot的AI模型开始生成视频。官方提供了一些案例参考，复制提示词修改能快速体验AI视频生成。等待视频生成：AI将处理您的文本提示，并生成一个3秒的视频，需要大约一分钟。Hotshot的适用人群内容创作者：需要快速制作视频内容的博主、视频制作人或社交媒体影响者。广告和营销专业人士：希望快速生成吸引人的广告视频来推广产品或服务。教育工作者：利用视频作为教学辅助，需要快速制作教育内容或解释复杂概念。独立艺术家和设计师：希望通过视频展示他们的作品或创意概念。