产品库

实时字幕生成工具

BeMyEars 是一款实时字幕生成工具，利用本地设备完成语音识别，为听障人士和需要字幕的用户提供极致体验。其主要优点包括多语言支持、多源输入、隐私保护等。

基于LLM的智能字幕助手，一键生成高质量视频字幕

卡卡字幕助手（VideoCaptioner）是一款功能强大的视频字幕配制软件，利用大语言模型进行字幕智能断句、校正、优化、翻译，实现字幕视频全流程一键处理。产品无需高配置，操作简单，内置基础LLM模型，保证开箱即用，且消耗模型Token少，适合视频制作者和内容创作者。

Najva：您的AI驱动的Mac语音助手，将语音快速转换为文本。

Najva是一款专为Mac设计的AI驱动的语音助手，它结合了先进的本地语音识别技术和强大的AI模型，将您的语音转换成智能文本。这款应用特别适合那些思维速度比打字速度快的用户，如作家、开发者、医疗专业人员等。Najva以其轻量级、原生Swift应用、零追踪和完全免费等特点，为用户提供了一个注重隐私和效率的工作流程解决方案。

Android平台上的私有、设备端语音识别键盘和文字服务

Transcribro是一款运行在Android平台上的私有、设备端语音识别键盘和文字服务应用，它使用whisper.cpp来运行OpenAI Whisper系列模型，并结合Silero VAD进行语音活动检测。该应用提供了语音输入键盘，允许用户通过语音进行文字输入，并且可以被其他应用显式使用，或者设置为用户选择的语音转文字应用，部分应用可能会使用它来进行语音转文字。Transcribro的背景是为用户提供一种更安全、更私密的语音转文字解决方案，避免了云端处理可能带来的隐私泄露问题。该应用是开源的，用户可以自由地查看、修改和分发代码。

将音频转换为文本。使用Transkriptor自动记录和转录您的会议和其他对话。

Transkriptor是一款将音频转换为文本的浏览器插件。它使用先进的人工智能技术，可以自动记录和转录会议、访谈和讲座等不同类型的语音内容。Transkriptor具有简单直观的界面，支持多种文件格式，提供安全的转录服务，并具备生成字幕、支持多语言转录和远程协作编辑等功能。

声波 - 语音识别和翻译

SpeechPulse是一款语音识别和翻译软件。它使用OpenAI的Whisper语音到文本模型，实现实时的语音识别，支持多种语言。用户可以使用麦克风输入文字，也可以通过转录音视频文件进行语音识别和翻译。SpeechPulse可以在各种场景下使用，例如办公文档编辑、网页浏览、文件转录、视频字幕生成等。它具有极高的准确性和低延迟，并且完全离线使用。SpeechPulse提供免费版和付费版，付费版支持更多功能和更好的准确性。

AI视频翻译工具

Translate.video是一款AI视频翻译工具，它可以帮助用户自动将视频的语音和字幕翻译成多种语言。该工具使用先进的语音识别和机器翻译技术，能够高效准确地翻译视频内容。用户只需上传视频或输入视频链接，选择目标语言，即可快速获得翻译后的视频。Translate.video还支持字幕的自动生成和编辑，方便用户进行细节调整和校对。该工具定价灵活，提供不同的套餐和付费模式，满足用户的不同需求。

世界首个免费无限制AI图像生成器，由Flux.1-Dev模型支持，无需登录，无限生成。

Raphael是一款强大的AI图像生成工具，其核心是先进的Flux.1-Dev模型。该产品完全免费，无需用户注册或登录，即可无限生成高质量的AI图像。它不仅为创作者提供了强大的图像生成能力，还通过零数据保留政策保护用户隐私。其定位是成为全球最大的免费AI图像生成器，适用于各种需要图像生成的场景，如艺术创作、营销设计、游戏开发等。

在口袋里拥有十亿参数，与私有本地大型语言模型聊天。

fullmoon是一款由Mainframe开发的本地智能应用，允许用户在本地设备上与大型语言模型进行聊天。它支持完全离线操作，优化了Apple硅芯片的模型运行，提供了个性化的主题、字体和系统提示调整功能。作为一款免费、开源且注重隐私的应用，它为用户提供了一种简单、安全的方式来利用强大的语言模型进行交流和创作。

由xAI开发的AI助手，可生成高质量图像，提供实时信息，对话风趣。

Grok是由xAI开发的AI助手，旨在提供真实、有用且富有好奇心的交互体验。它能够回答各种问题、生成引人注目的图像，并通过上传图片帮助用户更深入地了解世界。Grok强调隐私保护，所有数据交互都以用户隐私为重，确保安全体验。它集成了X平台的数据，专注于实时信息，是寻求AI助手用户的理想选择。该应用免费提供给用户，适合需要高效获取信息和创意灵感的人群。

提供视频翻译、配音、语音克隆等服务，助力视频推向多国市场。

SoundView 声动视界是一款专注于视频内容处理的在线平台，通过先进的视频翻译、配音技术和智能脚本生成等功能，帮助用户轻松将视频内容本地化，推向全球市场。其主要优点包括操作简便、翻译精准、配音自然，支持多种语言，满足不同用户的多样化需求。产品定位为视频创作者、企业宣传者以及跨境电商等，旨在提升视频的传播力和影响力，助力业务拓展。目前提供免费试用服务。

一款简单易用的无限录音转文字APP，支持中英双语实时翻译。

inFin：Infinite AI Voice Notes 是一款专为提高工作效率而设计的语音笔记应用。它利用先进的人工智能技术，将录音实时转换为文字，并支持中英文的无限实时翻译。该产品的主要优点在于其简洁的用户界面和强大的功能，能够在各种场景下为用户提供便捷的记录和翻译服务。产品背景信息显示，它是由昱晗马开发，旨在为用户提供一个简单但卓越的语音记录解决方案。该应用是免费的，适合需要高效记录和翻译的用户。

你的笔记 + 日程 + 待办清单 + 任务 with AI

Liubai 是一款结合了笔记、日程、待办清单和任务管理的生产力工具，它通过集成 AI 功能，为用户提供更加智能化的工作和生活管理体验。Liubai 的主要优点在于其原子化附着功能，可以将文本、图片、多级标签、状态和文件等元素进行灵活组合，满足用户在不同场景下的需求。此外，Liubai 还支持云端同步和响应式设计，可以在不同设备上无缝使用。Liubai 的定位是为追求高效和智能化管理的用户提供一个全面的解决方案，帮助他们更好地组织和规划工作与生活。

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。

一款使用AI技术的字幕生成工具

AI no jimaku gumi 是一款由 INOKI 开发的字幕生成工具，主要功能是通过人工智能技术将视频文件的音频内容转换成字幕。该工具支持多种语言的翻译，用户可以根据需要选择不同的翻译引擎和字幕格式。其主要优点是能够大幅提高视频翻译的效率和准确性，特别适合需要快速生成字幕的视频制作人员和翻译工作者。该工具是开源的，用户可以根据自己的需求进行定制和扩展，具有很高的灵活性和可扩展性。

AI助手，快速总结网页内容，保护隐私

Orbit by Mozilla 是一款由Mozilla提供的Firefox插件，利用人工智能技术帮助用户快速总结网页内容，包括电子邮件、文档、文章和视频，同时强调保护用户隐私。Orbit插件的主要优点在于它不需要用户创建账户，不会存储或共享用户的个人信息，也不会保存用户访问的页面内容或生成的摘要。Orbit通过使用Mistral LLM（Mistral 7B）模型，为用户提供了一个无需牺牲隐私即可快速获取信息的工具。

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。

开源、注重隐私的语音助手

Home Assistant Voice Preview Edition是一款开源、注重隐私的语音助手硬件产品，旨在提供一种开放、本地化、私人化的语音控制解决方案。它允许用户通过语音控制家中的智能设备，同时确保用户的语音数据不会离开本地网络，保护用户隐私。该产品背景是响应对隐私保护日益增长的需求，特别是在智能家居领域。价格方面，产品定价为59美元，推荐零售价，具体价格可能会因零售商而异。

AI助手，探索宇宙，获取真实答案

Grok是一个由X.AI Corp开发的AI助手应用，旨在提供最真实、有用和好奇的答案。用户可以通过Grok获取任何问题的答案、生成引人注目的图像，并上传图片以更深入地了解世界。Grok以其高质量的图像生成、实时更新的数据、对话式的幽默语气和注重隐私的特性，为用户提供了一个安全、高效的AI体验平台。

AI 编码助理，提升软件开发和交付速度

Gemini Code Assist 是 Google Cloud 提供的一款 AI 编码助理，它通过生成式 AI 协助、企业安全和隐私保护机制，帮助提升软件开发和交付速度。该产品利用数十亿行开源代码、安全数据以及 Google Cloud 文档和示例代码进行微调，为开发者在其 IDE 和 Google Cloud 服务中提供代码补全、代码生成、自然语言聊天等功能。它支持多种编程语言，并集成了 Google Cloud 的多种服务，如 Firebase、Colab Enterprise、Databases、BigQuery、Apigee 和 Application Integration。

Gmail的头号电子邮件营销平台

Mailmeteor是一个基于Gmail的电子邮件AI营销平台，它允许用户发送个性化的大规模电子邮件，并实时跟踪结果，轻松跟进以获得更多回复。该平台以其用户友好的界面、高送达率、改善的参与度和更高的转化率而受到推崇。Mailmeteor以其隐私保护设计、简单易用和实惠的价格选项而区别于其他电子邮件营销软件。

AI驱动的图文创作平台

ToneLift是一个利用人工智能技术驱动的图文创作平台，旨在帮助用户轻松创作出精美内容。它通过智能生成文案激发创作灵感，提供海量精选模板以一键生成专业级图文作品，并支持多平台一键分享，提高传播效率。ToneLift尊重用户创作成果的归属权，承诺不存储用户上传的图片和输入的文案，也不会收集任何个人信息或创作记录，确保用户隐私安全。

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。

您的全天候心理健康伴侣

Nora是一款全天候的心理健康伴侣应用程序，它通过AI技术提供匿名的心理咨询和支持，帮助用户处理生活中的压力和挑战。Nora不要求用户提供个人信息，注重隐私保护，同时提供多语言支持和全球连接。产品背景信息显示，Nora的用户反馈积极，95%的用户在与Nora进行咨询后感到更能应对压力，平均评分为4.9/5，92%的用户对未来感到更乐观。

实时多模态智能，适用于每台设备。

Cartesia提供实时多模态智能技术，旨在为各种设备提供服务。产品包括Sonic和On-Device两大核心功能。Sonic是快速、超逼真的生成性语音API，由下一代状态空间模型驱动。On-Device提供实时模型，能够在用户的设备上进行快速、私密、离线的推理。Cartesia的产品背景是满足用户对于实时智能服务的需求，特别是在隐私和速度方面。产品定位于提供高效、安全的技术解决方案，以支持各种设备上的智能应用。

企业级设备上的智能AI

Nexa AI提供企业级的设备上的智能AI解决方案，包括Tiny Multimodal Models和Seamless Edge Deployment解决方案，旨在构建私密、成本效益高且可靠的设备上AI。产品背景强调了在没有互联网连接的情况下也能提供可靠的能力，适用于各种挑战性环境，如偏远地区、油和气矿场、互联网受限的工作场所、极端位置等。Nexa AI的产品定位是为企业提供定制化的设备上模型和本地部署解决方案，以增强控制和速度，无论是在本地还是在任何设备上。

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。

AI助手的完美记忆扩展

Rememberall是一款Chrome浏览器插件，旨在为你的AI聊天添加记忆功能。它与ChatGPT、Claude等主流AI助手兼容，通过一键保存对话或注入相关上下文，提升聊天效率。作为一个开源项目，Rememberall在GitHub上受到社区的支持和贡献，确保了其安全性和透明度。该插件的主要优点包括跨平台兼容性、减少重复性解释、自动存储对话、智能上下文回忆以及私密性和安全性。它通过自动索引和存储对话内容，使得用户在使用AI助手时无需手动输入，即可享受到个性化和上下文相关的聊天体验。