AI 工具目录

EzAudio是一款开源的文本到音频生成模型工具站，核心定位是帮助用户通过文本描述快速生成各类音频内容。站点支持多场景音频生成、音频风格自定义调整、多语言提示词适配三类核心功能，面向音频创作者、内容开发者、独立制作人等群体，可用于短视频音效制作、播客内容补充、游戏音效原型设计、有声读物场景音搭建等多种场景，无需复杂的音频制作基础即可完成对应音频内容的产出。

Mustango是由AMAAI Lab开发的文本生成音乐模型官方展示站点，核心定位为面向音乐创作相关人群的可控音乐生成工具。站点支持用户通过文本描述生成对应音乐作品，可对和弦、节拍、速度、调式等具体音乐要素进行参数控制，还支持生成结果的在线试听与参数比对。目标用户覆盖音乐创作者、内容生产者、AI音乐研究人员等群体，可用于demo快速制作、内容配乐生成、音乐技术研究实验等多种场景。

StemGen是由Julian Parker开发的端到端音乐生成模型演示站点，核心定位为面向音乐创作从业者、AI音频研究者的音乐生成技术展示与体验平台。核心功能包括多场景音乐生成效果演示、不同输入提示下的模型输出对比、技术论文相关资料入口。目标用户覆盖音乐制作人、音频算法工程师、高校音视频研究方向学生、独立音乐人、AI生成内容爱好者、数字媒体创作者。适合用于音乐创作灵感参考、AI音频技术效果验证、学术研究案例参考、内容创作素材试生成等场景，用户可直接在线浏览不同输入条件下的模型生成结果，直观了解该模型的实际表现。

Draw an Audio 是一个基于web端的视频转音频合成工具，核心定位是为用户提供可控性较强的音视频同步生成服务。它支持多指令参数自定义调节，可根据视频画面内容生成匹配的同步音频，还支持多阶段音频混合输出。该工具面向音视频创作者、学生研究群体、多媒体内容制作者等用户，可应用于短视频音频补全、实验性音频创作、音视频同步效果验证、demo作品快速制作等场景，无需复杂本地部署，打开浏览器即可使用相关功能。

Sketch2Sound是一款基于扩散变换器（DiT）架构的音频生成工具，核心定位是结合文本语义与可控参数的声音合成平台，支持通过响度、亮度、音高等时变控制信号搭配文本提示生成定制化音频，可在现有文本到音频扩散模型基础上实现轻量化微调。核心功能包括多维度参数控制音频生成、文本语义与控制信号融合合成、低资源模型适配部署三类。目标用户覆盖声音设计师、音频创作者、游戏音效开发人员、交互艺术创作者等，适用于游戏音效制作、影视动效设计、交互艺术装置音频生成、音乐demo快速试制等场景，帮助创作者在保留文本提示语义的同时，实现更精准的音频效果控制。