创作工具

上传一张角色图像并编写文本提示词以生成音频。模型从您的图像中提取声音，然后生成语音、环境音、背景音乐和音效。

输入一段关于声音、音乐或效果的简短文本描述。该工作流使用Qwen千问扩展您的提示词，并从Stable Audio 3生成一段立体声音频CLIP。

输入一个简短的文本创意、可选的持续时间、种子和类别。使用Stable Audio 3生成立体声音频（音乐、音效或乐器），并带有可选的AI驱动文本扩展。

使用HeyGen先进的TTS引擎从文本生成自然语音，支持多种语言和口音，并提供可自定义的声音。输入文本并从众多预设声音中选择，或通过简短音频样本克隆自定义声音。非常适合为视频创建配音、生成多语言旁白以及制作个性化音频内容。

从视频素材生成同步配乐。输入视频以制作与其节奏和情感线索相匹配的音乐，输出完美定时的音频文件。

根据文本提示生成高质量、可用于制作的音乐，输入描述性文字即可创建原创配乐，支持流媒体播放与精确时长控制。

使用40亿参数ACE-Step 1.5 XL模型，从文本提示生成高质量音频。

使用蒸馏的4B ACE-Step模型，从文本提示生成高质量音乐。仅需8次推理步骤即可生成商业级音频，无需CFG。

使用4B参数SFT模型从文本提示词生成高质量音乐。通过CFG控制输出以实现精确的提示词遵循。

输入文本以生成超逼真语音，或上传语音样本以克隆用于合成。

输入文本并选择语音配置文件，生成高质量、情感丰富的音频对话。

上传源音频文件以应用新的语音语调或克隆不同的声音，生成修改后的音频输出。