Capability Timeline
将音频分离为人声、鼓、贝斯、钢琴、吉他等独立音轨的音频处理能力
ElevenLabs：领先的 AI 语音合成、声音克隆与 AI 音乐平台
ElevenLabs 是 AI 语音与音频生成平台，自研基础模型，提供文本转语音（支持 29+ 语言、低延迟对话）、声音克隆、实时语音转录（Scribe）、音效生成、人声分离，以及与唱片公司和出版商合作打造、可商用的 Music API / Eleven Music 音乐生成模型；同时提供 ElevenAgents 实时对话式语音智能体，并面向开发者开放 API，采用免费加付费套餐模式。
免费、开源、完全本地运行的AI茎叶/音轨分离工具
StemDeck 是一款免费、开源且完全本地运行的音轨分离工具，无需账号、上传或订阅，可将 MP3、WAV、FLAC 等音频或 YouTube 链接分离为人声、鼓、贝斯、钢琴、吉他等最多 6 个独立音轨，面向音乐人、制作人和爱好者，用于练习、转录、混音及创意音频工作流。
腾讯混元开源语音基础模型，统一语音生成与编辑
AuK 是腾讯混元开源的语音基础模型，用单一接口统一语音生成与编辑：输入自然语言指令与参考音频即可完成零样本 TTS、指令控制生成、内容与音色/风格/情感编辑、去口音、语速音调控制、增强去噪，以及多说话人和音乐分离。代码与模型权重已在 GitHub 开放，并提供 4 步推理的 AuK-Flash 版本，支持 HuggingFace、ModelScope 在线体验及 SGLang-Omni 部署。
Suno 是一款 AI 音乐生成产品，覆盖网页端与移动端，可将创意直接生成为完整歌曲。平台支持高级音轨分离、将音轨导出为 MIDI、歌词合写与自动保存、截图生成歌曲等创作能力，并已接入 Apple CarPlay 与 Android Auto 车载场景，适合内容创作者和音乐爱好者快速完成从灵感到成品的音乐制作流程。
剪映：AI视频生成与专业剪辑一站式创作平台
剪映是字节跳动旗下的一站式AI视频创作平台，集AI视频生成、多轨道专业剪辑、数字人、AI音乐、文本朗读与音色克隆于一体，提供超清画质、AI补帧、智能调色、人声分离、智能剪口播等能力，支持PC与移动端，服务自媒体口播、影视二创、政企宣传与营销推广等创作场景。