基于深度神经网络的图形化人声分离工具，可把歌曲拆成人声和伴奏，方便做卡拉OK伴奏或二次混音。
面向创作者和开发者的 Gradio 语音工作台，集成多引擎 TTS、零样本声音克隆、Whisper 转写、人声分离与多语言翻译，一站式完成配音和字幕制作。
只需 1 分钟语音数据就能训练出高质量 TTS 模型，支持少样本音色克隆，适合快速定制个性化语音合成。
基于 OpenAI Whisper 的语音转写工具，能自动识别不同说话人并切分对话，适合会议记录、访谈整理等多人语音场景。
本地免费运行的一站式 AI 视频与图像编辑工具，集换脸、口型同步、抠图去物、风格重绘、人声分离与克隆、视频生成于一体。
用 PyTorch 深度神经网络从歌曲中分离人声和伴奏，输入音频后输出两条独立音轨，适合做翻唱伴奏提取或人声采样。
用机器学习给卡拉OK打分的应用，能分离人声并自动评分，适合聚会娱乐场景。
…、录制和保存。 - 扩展图片和视频创作工具，包括选区、变形、修复、合成、关键帧、色彩处理、复合片段与人声分离；完善原件、撤销、保存和导出之间的衔接。 - 支持 40 类原生图表，并能在回复段落之间展示；增加读值、筛选、缩放、全屏及图片／PDF 导出，改善 SVG 和其他正文内容的预览。 - 文件修改直接展示差异：小改动展开可见，较长内容提
…</details Changelog - 修复: nemotronasr 重复下载问题 - 降噪和人声分离模型增加基于 audio.cpp 的 zipenhancer 和 mel band roformer ，可在高级选项中切换 - Deepsek/智谱AI等多个翻译渠道增加思考深度设置 - 高级选项-字幕翻译中增加 进一步精简 选项，
…个飞入亮起，适合录屏；可导出逐字 LRC。 - 新增可选下载的歌词对齐模型（BS-RoFormer 人声分离 + Qwen3 Forced Aligner，约 1.3 GB）：“智能对齐”先分离人声，去掉间奏和长停顿，再按句把歌词逐字对到演唱上，结果随版本保存。 - 音乐播放页焕新：macOS 上标题栏与背景融为一体；校准、对齐、导出收进
<!-- changelog:zh-CN -- 修复 - 人声分离 / 本地 Whisper ：修复当 Windows 用户名包含非 ASCII 字符（中文、日文、韩文）时，内置原生工具（BS-Roformer 人声分离、whisper.cpp、CTC 对齐、VAD）以「Failed to open file for writing」失败