搜索结果

fal.ai

Generative media platform for developers with fast inference capabilities.

anakin.ai

AI platform for generating content and automating workflows.

SpeechGen.io

Generate high-quality voiceovers with SpeechGen.io's realistic Text-to-Speech AI technology.

MicVoice.Ai

AI voice generator for realistic text-to-speech conversion.

insMind

All-in-one free online photo editing tool with AI enhancements. BG remover, AI image enhancer, AI image expander, AI text-to-image generator, magic eraser, and more.

Voicemaker

Voicemaker® converts text to human-like voices, offering various voice profiles and customization options.

Freepik AI Image Generator

Real-time AI image generator

fish-speech-mcp

An MCP server for text-to-speech synthesis (TTS) for LLMs.

Voicevox MCP Server

Asr_mcp_server

A Model Context Protocol (MCP) server that provides ASR(Automatic Speech Recognition) capabilities using the whisper engine. This server exposes TTS functionality through MCP tools, making it easy to

image-gen MCP Server

A MCP server that provides text-to-image generation capabilities using Stable Diffusion WebUI API (ForgeUI/AUTOMATIC-1111)

Gemini Image Generator MCP Server

MCP server for AI image generation and editing using Google's Gemini Flash models. Create images from text prompts with intelligent filename generation and strict text exclusion. Supports text-to-imag

Spark-TTS

<p>Overview Spark-TTS 是由出门问问（Mobvoi）联合多所顶尖学术机构（如香港科技大学、上海交通大学）最新推出的新一代语音合成模型，其核心创新在于BiCodec编码技术和与文本大模型的结构统一性，利用大型语言模型 (LLM) 的强大功能实现高度准确且自然的语音合成。</p> <p>Spark-TTS is an advanced text

Hunyuan Image

腾讯混元图像2.0模型（Hunyuan Image2.0），AI图像生成进入“毫秒级”时代。 模型主要有两大特点：实时生图、超写实画质。 （👇https://hunyuan.tencent.com/） 速度快 相比前代模型，腾讯混元图像2.0模型参数量提升了一个数量级，得益于超高压缩倍率的图像编解码器以及全新扩散架构，其生图速度显著快于行业领先模型，在同类商业产品每张图推理速度需要5到

Code Researcher

Code Researcher是微软研究院推出的深度研究Agent工具，专门用于处理大型系统代码库及其提交历史，自动化修复系统代码崩溃问题。通过三个阶段工作：分析（Analysis）、合成（Synthesis）和验证（Validation）。在分析阶段，Code Researcher基于多步推理策略，结合代码语义、模式和提交历史信息，收集上下文并存储在结构化内存中。合成阶段基于收集到的上下文生成修

ScribbleDiff

文本到图像的扩散模型的最新进展已取得显著成功，但它们往往难以完全捕捉用户的意图。现有的使用文本输入结合边界框或区域蒙版的方法无法提供精确的空间引导，常常导致对象方向错位或意外。为了解决这些限制，我们提出了涂鸦引导扩散(ScribbleDiff)，这是一种无需训练的方法，它利用用户提供的简单涂鸦作为视觉提示来引导图像生成。然而，将涂鸦纳入扩散模型存在挑战，因为涂鸦具有稀疏和单薄的特性，很难确保准确的