产品库

在线语音识别工具

语音听写是一款免费的在线语音识别软件，可以通过语音输入来帮助您写邮件、文件和文章，无需打字。

快速准确的语音识别工具

Beey.io是一个在线工具，使用先进的AI语音识别技术，能够将音频和视频转换为文字。用户可以在高级编辑器中快速创建高质量的字幕和标题，并提供自动翻译功能。Beey.io的优势包括快速准确的语音识别、智能编辑功能、字幕和翻译、个性化功能等。定价灵活且定位于各类用户。

强大的 AI 文本编辑器，实现无缝协作与定制化样式。

Grimo 是一个高效的 AI 文本编辑器，结合最新的 AI 模型，如 DeepSeek R1 和 OpenAI GPT-4，致力于提升用户的写作体验。它允许用户与 AI 共同创作，而不是单纯依赖 AI 生成内容，具有实时协作、语音输入等功能，适合各种写作需求。定价方面，提供免费和付费选项，满足不同用户的需求。

AI Tattoo Generator 是一款利用人工智能技术快速生成个性化纹身设计的在线工具。

AI Tattoo Generator 是一款基于人工智能的在线纹身设计工具，能够根据用户输入的内容和选择的风格快速生成独特的纹身设计。它利用先进的 AI 技术，将用户的创意和想法转化为具体的纹身图案，为纹身爱好者和纹身艺术家提供了便捷的设计解决方案。该产品的出现填补了纹身设计领域的空白，为纹身设计带来了更多的可能性和创意空间。其主要优点包括操作简单、设计快速、风格多样等，用户无需具备专业的设计技能即可轻松上手。此外，该工具还提供免费的使用次数，降低了用户的使用门槛，使其在市场上具有较高的竞争力。

一款免费在线的AI工具，可快速去除照片和视频中的水印。

AI Watermark Remover 是一款基于人工智能技术的在线工具，专注于快速去除照片和视频中的水印。它利用先进的AI算法，能够精准识别并去除水印，无需复杂的编辑技能。该工具的主要优点是免费、高效且易于使用，适合需要快速清理图片和视频的用户。产品定位为简单易用的在线工具，旨在帮助用户快速恢复图片和视频的原始质量，同时保护用户隐私，不存储任何数据。

音刻转录是一款快速、精准、丝滑的音视频转录工具。

音刻转录是一款专注于音视频转录的在线工具，通过先进的语音识别技术，能够快速将音频或视频文件转换为文本。其主要优点包括转录速度快、准确率高、支持多种语言和文件格式。产品定位为高效办公和学习辅助工具，旨在帮助用户节省时间和精力，提升工作效率。音刻转录提供免费试用版本，用户可以体验其核心功能，付费版本则提供更多高级功能和大文件支持，满足不同用户的需求。

DuRT 是一款 macOS 上的实时语音识别和翻译软件，致力于提供高效、准确的语音处理服务。

DuRT 是一款专注于 macOS 系统的语音识别和翻译工具。它通过本地 AI 模型和系统服务实现语音的实时识别与翻译，支持多种语音识别方法，提高了识别的准确度和语言支持范围。该产品以悬浮框形式展示结果，方便用户在使用过程中快速获取信息。其主要优点包括高准确度、隐私保护（不收集用户信息）以及便捷的操作体验。DuRT 定位为一款高效生产力工具，旨在帮助用户在多语言环境下更高效地进行沟通和工作。目前产品可在 Mac App Store 下载，具体价格未在页面中明确提及。

Scribe 是全球最准确的语音转文字模型，支持99种语言。

Scribe 是由 ElevenLabs 开发的高精度语音转文字模型，旨在处理真实世界音频的不可预测性。它支持99种语言，提供单词级时间戳、说话人分离和音频事件标记等功能。Scribe 在 FLEURS 和 Common Voice 基准测试中表现卓越，超越了 Gemini 2.0 Flash、Whisper Large V3 和 Deepgram Nova-3 等领先模型。它显著降低了传统服务不足语言（如塞尔维亚语、粤语和马拉雅拉姆语）的错误率，这些语言在竞争模型中的错误率通常超过40%。Scribe 提供 API 接口供开发者集成，并将推出低延迟版本以支持实时应用。

Phi-4-multimodal-instruct 是微软开发的轻量级多模态基础模型，支持文本、图像和音频输入。

Phi-4-multimodal-instruct 是微软开发的多模态基础模型，支持文本、图像和音频输入，生成文本输出。该模型基于Phi-3.5和Phi-4.0的研究和数据集构建，经过监督微调、直接偏好优化和人类反馈强化学习等过程，以提高指令遵循能力和安全性。它支持多种语言的文本、图像和音频输入，具有128K的上下文长度，适用于多种多模态任务，如语音识别、语音翻译、视觉问答等。该模型在多模态能力上取得了显著提升，尤其在语音和视觉任务上表现出色。它为开发者提供了强大的多模态处理能力，可用于构建各种多模态应用。

一个在线代码编辑器，支持多种编程语言，提供代码片段分享和Web开发功能。

CodeOrbital是一个在线代码编辑平台，为开发者提供了一个便捷的编程环境。它支持多种编程语言，如JavaScript等，用户可以在浏览器中直接编写、运行和调试代码。该平台还提供了代码片段分享功能，方便开发者之间交流和学习。此外，它还集成了Web开发功能，支持HTML、CSS和JavaScript的实时预览，让开发者能够快速构建和测试Web项目。CodeOrbital的主要优点是便捷性、实时反馈和社区共享功能，适合编程初学者和专业开发者使用。目前该平台是免费的，旨在为开发者提供一个高效、协作的编程环境。

AI Song Maker 是一款强大的 AI 音乐生成工具，可轻松创作免费的版权音乐。

AI Song Maker 是一款基于人工智能技术的在线音乐创作平台。它通过先进的 AI 算法，能够将文本、歌词快速转化为高质量的音乐作品，极大地简化了音乐创作流程，降低了创作门槛。该工具适用于各种音乐风格，支持多种创作需求，如歌词转歌曲、文本转歌曲、音乐扩展等。其主要优点包括操作简单、生成速度快、音乐质量高，并且提供免费试用，适合不同层次的创作者。产品定位为高效、便捷的音乐创作助手，旨在帮助用户节省时间和成本，激发创作灵感。

一个轻量级的在线工具箱，提供多种实用工具，涵盖设计、办公、开发等多个领域。

UIED-Tools是一个由UIED技术团队开发的在线工具平台，旨在为用户提供一站式的工具解决方案。它集成了设计、办公、开发等多种工具，满足不同场景下的需求。该平台以简洁、高效为设计理念，无论是设计师、开发者还是普通办公人员，都能在其中找到适合自己的工具。所有工具均可免费使用，无需安装，方便快捷。

在线免费 AI 头像生成器，可将普通照片转化为高质量专业头像。

该产品利用人工智能技术，能够快速将用户上传的普通照片转化为专业风格的头像。其主要优点在于操作简便、生成速度快且效果出色。用户无需专业摄影设备或设计技能，即可获得适用于商务、社交媒体等场景的高质量头像。产品定位为免费在线工具，旨在满足用户快速获取专业头像的需求。

专业的AI标志生成器，快速在线创建独特品牌形象。

Logomate AI Logo Generator是一款基于先进人工智能技术的在线标志设计工具，旨在帮助用户快速创建专业且独特的品牌标志。它结合了强大的AI设计能力与专业设计经验，能够根据用户输入的品牌信息和偏好，生成符合现代设计原则和行业趋势的标志。该工具不仅节省了用户的时间和金钱，还提供了高度可定制化的设计选项，满足不同行业的品牌需求。其免费的基本功能使标志设计变得简单易用，适合各种技能水平的用户。

开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

FireRedASR-AED-L 是一个开源的工业级自动语音识别模型，专为满足高效率和高性能的语音识别需求而设计。该模型采用基于注意力的编码器-解码器架构，支持普通话、中文方言和英语等多种语言。它在公共普通话语音识别基准测试中达到了新的最高水平，并且在歌唱歌词识别方面表现出色。该模型的主要优点包括高性能、低延迟和广泛的适用性，适用于各种语音交互场景。其开源特性使得开发者可以自由地使用和修改代码，进一步推动语音识别技术的发展。

开源的工业级普通话自动语音识别模型，支持多种应用场景。

FireRedASR 是一个开源的工业级普通话自动语音识别模型，采用 Encoder-Decoder 和 LLM 集成架构。它包含两个变体：FireRedASR-LLM 和 FireRedASR-AED，分别针对高性能和高效能需求设计。该模型在普通话基准测试中表现出色，同时在方言和英文语音识别上也有良好表现。它适用于需要高效语音转文字的工业级应用，如智能助手、视频字幕生成等。模型开源，便于开发者集成和优化。

将口语转化为优雅文字的AI写作工具，让写作变得轻松自然。

Bulletpen是一款创新的AI写作应用，旨在帮助用户将口头表达转化为高质量的书面文本。它通过语音识别和自然语言处理技术，将用户的口语内容进行优化和润色，生成结构清晰、语言流畅的书面文本。该产品的主要优点是能够显著提高写作效率，尤其适合那些在写作时感到困难或缺乏灵感的用户。Bulletpen由17岁的高中生Rexan Wong开发，目标是为学生、作家和内容创作者提供一个简单易用的写作辅助工具。它提供免费和付费两种计划，满足不同用户的需求。

一个 AI 驱动的在线工具，用于移除图片中的水印和标志，并提供多种图像处理功能。

kaze.ai 是一款基于先进 AI 技术的在线图像处理工具。它能够快速有效地移除图片中的水印和标志，帮助用户恢复图像的原始状态。此外，它还具备 AI 图像生成、风格转换和图像增强等功能，能够将用户的创意转化为令人惊叹的视觉作品。这些功能不仅节省了用户手动处理图像的时间和精力，还为创意设计提供了强大的技术支持。kaze.ai 主要面向需要进行图像编辑和创意设计的用户，其简洁的操作界面和强大的功能使其在市场上具有竞争力。目前，kaze.ai 提供免费试用，并有付费的年度计划，以满足不同用户的需求。

Whisper Turbo 是一款免费在线快速准确的语音识别工具。

Whisper Turbo 是基于 Whisper Large-v3 模型优化的语音识别工具，专为快速语音转录而设计。它利用先进的 AI 技术，能够高效地将不同音频源的语音转换为文本，支持多种语言和口音。该工具免费提供给用户，旨在帮助人们节省时间和精力，提高工作效率。其主要面向需要快速准确转录语音内容的用户，如博主、内容创作者、企业等，为他们提供便捷的语音转文字解决方案。

一个提供绘图功能的在线工具，用户可以创建和分享自己的设计作品。

Sketch It! 是一个专注于在线绘图和设计的工具，它提供了一个简单易用的界面，让用户能够快速创建和分享自己的设计作品。该产品的主要优点是操作简便、功能丰富且支持多人协作。它适用于设计师、学生和创意爱好者，旨在激发用户的创造力并提高设计效率。目前该产品提供免费试用，用户可以根据需求选择不同的付费套餐。

一个可以根据英文名和性别生成中文名字的在线工具。

该产品是一个在线中文名字生成器，用户输入英文名和性别后，即可生成对应的中文名字。它利用中文语言学和文化知识，为用户提供个性化的中文名字选择。其主要优点是操作简单、结果准确，适合有需求的用户快速获取中文名字。该产品由越山（Yueshan）开发，目前未明确标出价格，但从页面来看，基础功能可能免费提供。

一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。

RealtimeSTT是一个开源的语音识别模型，能够实时将语音转换为文本。它使用了先进的语音活动检测技术，可以自动检测语音的开始和结束，无需手动操作。此外，它还支持唤醒词激活功能，用户可以通过说出特定的唤醒词来启动语音识别。该模型具有低延迟、高效率的特点，适合需要实时语音转录的应用场景，如语音助手、会议记录等。它基于Python开发，易于集成和使用，且在GitHub上开源，社区活跃，不断有新的更新和改进。

免费在线 AI Markdown 转换器

MarkItDown 是一款由微软开源项目支持的在线工具，能够将多种文件格式（如PDF、Word、HTML等）快速转换为Markdown格式。该工具的主要优点在于其高效、免费且无需下载安装，非常适合需要快速整理和迁移文档内容的用户。它不仅能够解决不同平台间文档格式不兼容的问题，还能保证内容在不同设备上的一致性和可读性。此外，MarkItDown 的操作简单，用户只需上传文件即可完成转换，极大地提高了工作效率。

基于ESP32的AI聊天机器人项目，可实现多语言对话与声纹识别

xiaozhi-esp32 是一个开源的 AI 聊天机器人项目，基于乐鑫的 ESP-IDF 开发。它将大语言模型与硬件设备相结合，使用户能够打造出个性化的 AI 伴侣。项目支持多种语言的语音识别与对话，具备声纹识别功能，能够识别不同用户的语音特征。其开源特性降低了 AI 硬件开发的门槛，为学生、开发者等群体提供了宝贵的学习资源，有助于推动 AI 技术在硬件领域的应用与创新。项目目前免费开源，适合不同层次的开发者进行学习与二次开发。

全能AI助手，提供语音识别、字幕翻译、文档速读等功能

通义是一款集成了语音识别、实时字幕翻译、智能总结等功能的浏览器插件，旨在提高用户在网课、追剧追番、线上会议等场景下的效率。它通过AI技术，帮助用户快速记录、转写、翻译和总结网页内容，特别适合需要处理大量信息的用户。产品背景基于当前信息爆炸的时代，用户需要更高效的工具来管理、理解和消化信息。目前产品提供免费试用，具体价格和定位根据用户需求而定。

将语音转换为博客文章的助手

Robo Blogger是一个专注于将语音转换为博客文章的人工智能助手。它通过捕捉自然语言中的创意，将其结构化为有条理的博客内容，同时可以结合参考资料以确保文章的准确性和深度。这个工具基于之前Report mAIstro项目的概念，专为博客文章创作优化。通过分离创意捕捉和内容结构化，Robo Blogger帮助保持原始想法的真实性，同时确保专业呈现。

实时浏览器端语音识别应用

Moonshine Web是一个基于React和Vite构建的简单应用，它运行了Moonshine Base，这是一个针对快速准确自动语音识别（ASR）优化的强大语音识别模型，适用于资源受限的设备。该应用在浏览器端本地运行，使用Transformers.js和WebGPU加速（或WASM作为备选）。它的重要性在于能够为用户提供一个无需服务器即可在本地进行语音识别的解决方案，这对于需要快速处理语音数据的应用场景尤为重要。

一键将YouTube视频转换成SEO优化文章

这是一个在线工具，可以将YouTube视频内容转换成SEO优化的文章。它利用最新的AI模型技术，确保生成的内容既高效又简洁，帮助用户在搜索引擎中获得更好的排名。产品背景信息显示，该工具简化了从零开始撰写文章的过程，显著提高了网站流量，特别适合需要将视频内容转化为文章的博主和视频创作者。目前，该工具在线可用，用户可以通过网站轻松访问并进行视频到文章的转换。

世界上最快的边缘部署音频语言模型

OmniAudio-2.6B是一个2.6B参数的多模态模型，能够无缝处理文本和音频输入。该模型结合了Gemma-2B、Whisper turbo和一个自定义投影模块，与传统的将ASR和LLM模型串联的方法不同，它将这两种能力统一在一个高效的架构中，以最小的延迟和资源开销实现。这使得它能够安全、快速地在智能手机、笔记本电脑和机器人等边缘设备上直接处理音频文本。

端侧全模态理解开源模型

Megrez-3B-Omni是由无问芯穹研发的端侧全模态理解模型，基于大语言模型Megrez-3B-Instruct扩展，具备图片、文本、音频三种模态数据的理解分析能力。该模型在图像理解、语言理解、语音理解方面均取得最优精度，支持中英文语音输入及多轮对话，支持对输入图片的语音提问，根据语音指令直接响应文本，在多项基准任务上取得了领先的结果。