TAG

音频合成工具。

共收录 5 款与「音频合成」相关的 AI 工具，按站内热度排序；每张卡片可直达详情页查看定价、平台支持与同类对比。

MMAudio

MMAudio是基于多模态联合训练技术的视频到音频合成工具站点，核心定位是为用户提供视频与文本输入驱动的同步音频生成服务。站点核心功能包括视频画面特征识别、文本语义音频匹配、音视频时序同步校准，能够适配不同场景下的音频创作需求。目标用户覆盖影视后期从业者、游戏开发人员、短视频创作者、AI技术研究者等群体，可在影视内容音频补全、游戏场景音效生成、短视频背景音制作、多模态技术研发测试等场景中使用，帮助用户提升音频合成的效率与成品质量。

Beepbooply

Beepbooply是一款基于Google、Microsoft、Amazon技术支持的AI语音生成工具，核心定位为文字转语音内容生产平台，支持用户将文本内容转换为自然拟真的语音音频。平台核心功能包含多语种多音色语音生成、音频参数自定义调整、批量长文本音频合成，可适配不同场景的音频产出需求。目标用户覆盖内容创作者、跨境运营者、教育从业者、企业客服团队等群体，可用于视频配音、播客录制、多语种客服语音制作、有声书生成、教学音频制作等多种场景，帮助用户降低音频制作的人力与时间成本。

Unified-IO 2

Unified-IO 2是艾伦人工智能研究所推出的多模态生成模型演示平台，核心定位是为用户提供统一模态的AI能力体验入口。平台支持图像、文本、音频、动作四类模态的混合输入与输出，单个Transformer架构可实现跨模态语义的统一处理；内置经过120余个数据集微调的预训练模型，可直接适配多类多模态任务需求；平台同时提供基准测试结果查询功能，方便用户直观了解模型在各任务场景下的性能表现。目标用户覆盖AI研究人员、多模态应用开发者、高校相关专业师生、内容创作从业者等，可用于跨模态任务原型验证、模型性能对比分析、多模态应用效果测试、学术研究参考等场景。

Sketch2Sound

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。 · 开源

Slayer AI

Slayer AI是专注于AI音频内容生成的在线平台，核心围绕自定义音频创作需求打造，支持音频故事、播客、冥想音频三类核心内容生成，还提供风格定制、多音色选择、内容导出等配套功能。目标用户覆盖内容创作者、冥想内容从业者、播客运营者、有声读物爱好者、教育工作者等群体，可应用于个人休闲音频制作、商业播客内容产出、冥想课程素材制作、儿童睡前故事生成、教学音频资源搭建等多个场景，用户无需专业音频录制设备和后期技能，即可通过文字指令生成符合需求的音频内容。