产品库

音频转文字及视频字幕服务

Happy Scribe 提供自动和人工转录服务，将音频转换为文本，准确率达到 85-99%，支持 120 多种语言和 45 多种格式。定位于为用户提供高效的音视频转录及字幕服务。

一个用于生成播客及其他音频文件转录文本的工具，支持多种语言模型和语音识别API。

Podscript 是一个强大的音频转录工具，它利用语言模型和语音到文本（STT）API，为播客和其他音频内容生成高质量的转录文本。该工具支持多种流行的STT服务，如Deepgram、AssemblyAI和Groq，并且可以处理YouTube视频的自动生成字幕。Podscript的主要优点是其灵活性和易用性，用户可以通过简单的命令行界面或方便的Web界面来操作。它适用于播客创作者、内容制作者以及需要快速转录音频的用户。Podscript是开源的，用户可以根据自己的需求进行定制和扩展。

风车AI翻译，专注于图片、视频翻译及智能抠图等多模态翻译服务，助力外贸出海。

风车AI翻译是一款专注于多模态翻译的在线工具，涵盖图片翻译、视频翻译、智能抠图等功能。它利用先进的AI技术，能够快速准确地将图片和视频中的文字进行翻译，并支持多种语言互译。该产品主要面向跨境电商、医疗文献、行业研报等领域，帮助用户跨越语言障碍，提升工作效率。其核心优势在于强大的多语言支持、稳定可靠的服务以及多领域翻译能力，能够满足不同行业用户的需求。产品采用订阅制付费模式，具体价格根据用户需求而定。

为视频添加中文字幕，帮助创作者在小红书上与中文观众自由交流

Captioner RedNote Express 是一款专注于为视频添加中文字幕的在线工具。它利用优化后的中文 AI 技术，为视频创作者提供准确且自然的中文翻译，帮助他们更好地与小红书（Red Note）上的中文观众交流。该产品在当前 TikTok 受限的背景下，为创作者提供了新的平台机会，助力他们快速拓展中文市场。产品目前免费开放至 2025 年 2 月 5 日，旨在帮助创作者无障碍地进入小红书平台，提升内容的传播效果。

构建您的AI驱动知识库

Nullity AI是一个AI驱动的知识库构建平台，允许用户从文档、音频、PDF和网站中创建内部和可共享的空间，并构建自己的搜索引擎。该产品通过整合多种媒介的信息，提供强大的搜索和索引功能，帮助用户有效管理和检索信息。产品背景信息显示，Nullity AI旨在通过AI技术革新信息管理与检索过程，其主要优点包括多模态数据处理、高精度的AI转录服务、以及对复杂动态网站的智能爬取能力。产品定位于需要高效知识管理和信息检索的企业或组织。

视频分析工具，结合Llama视觉模型和OpenAI Whisper进行本地视频描述生成。

video-analyzer是一个视频分析工具，它结合了Llama的11B视觉模型和OpenAI的Whisper模型，通过提取关键帧、将它们输入视觉模型以获取细节，并结合每个帧的细节和可用的转录内容来描述视频中发生的事情。这个工具代表了计算机视觉、音频转录和自然语言处理的结合，能够生成视频内容的详细描述。它的主要优点包括完全本地运行无需云服务或API密钥、智能提取视频关键帧、使用OpenAI的Whisper进行高质量音频转录、使用Ollama和Llama3.2 11B视觉模型进行帧分析，以及生成自然语言描述的视频内容。

一键生成多语言视频字幕和翻译

Aragorn视频翻译是一个在线平台，旨在简化视频内容的字幕生成和翻译过程。它利用先进的ASR技术和机器学习模型，如whisper和ChatGPT-4，为用户提供一个界面友好、操作简便的服务。用户可以上传视频或提供视频链接，平台将自动生成字幕，并支持将字幕翻译成多种语言。Aragorn的使命是让全世界的人们能够无缝沟通，而不必学习外语。它支持80多种语言，并且不断更新以支持更多语言。Aragorn的价格基于视频处理时间，1 Aragorn credit等于一分钟的视频处理时间，用户可以根据需要购买credits。

利用OpenAI的Whisper模型转录YouTube视频

Youtube-Whisper是一个基于Gradio的应用程序，它通过提取YouTube视频的音频并使用OpenAI的Whisper模型来转录成文本。这个工具对于需要将视频内容转化为文本以进行分析、存档或翻译的用户来说非常有用。它利用了最新的人工智能技术，提高了视频内容的可访问性和可用性。

提升视频生产力，让视频内容更易搜索和互动。

Zight AI 是一款旨在提高视频内容生产力和互动性的人工智能工具。它通过自动生成视频标题、视频摘要、自动转录及翻译字幕等功能，极大地节省了用户编辑视频时的时间，提高了视频的可访问性和搜索性。Zight AI Video支持50多种语言的转录和翻译，使得视频内容能够跨越语言障碍，触及更广泛的观众。此外，它还计划推出智能章节功能，自动将视频内容分割并命名，进一步提升视频的组织和导航效率。产品定价为每月5美元/用户，提供自动转录、视频标题生成、视频描述自动摘要等功能，目前仅支持英语摘要。

基于OpenAI Whisper的自动语音识别与说话人分割

whisper-diarization是一个结合了Whisper自动语音识别(ASR)能力、声音活动检测(VAD)和说话人嵌入技术的开源项目。它通过提取音频中的声音部分来提高说话人嵌入的准确性，然后使用Whisper生成转录文本，并通过WhisperX校正时间戳和对齐，以减少由于时间偏移导致的分割错误。接着，使用MarbleNet进行VAD和分割以排除静音，TitaNet用于提取说话人嵌入以识别每个段落的说话人，最后将结果与WhisperX生成的时间戳关联，基于时间戳检测每个单词的说话人，并使用标点模型重新对齐以补偿小的时间偏移。

大型视频语言模型，提供视觉问答和视频字幕生成。

VideoLLaMA2-7B-Base 是由 DAMO-NLP-SG 开发的大型视频语言模型，专注于视频内容的理解与生成。该模型在视觉问答和视频字幕生成方面展现出卓越的性能，通过先进的空间时间建模和音频理解能力，为用户提供了一种新的视频内容分析工具。它基于 Transformer 架构，能够处理多模态数据，结合文本和视觉信息，生成准确且富有洞察力的输出。

大型视频语言模型，用于视觉问答和视频字幕生成。

VideoLLaMA2-7B-16F-Base是由DAMO-NLP-SG团队开发的大型视频语言模型，专注于视频问答（Visual Question Answering）和视频字幕生成。该模型结合了先进的空间-时间建模和音频理解能力，为多模态视频内容分析提供了强大的支持。它在视觉问答和视频字幕生成任务上展现出卓越的性能，能够处理复杂的视频内容并生成准确的描述和答案。

批量生成视频字幕并支持多语言翻译的客户端工具

video-subtitle-master 是一个基于之前开源项目 VideoSubtitleGenerator 开发的客户端工具，它允许用户批量为视频生成字幕，并支持将字幕翻译成不同的语言。这个工具特别适合需要对视频内容进行本地化处理的个人或团队，无论是为了教育、娱乐还是商业目的。它集成了多种翻译服务，如百度翻译、火山引擎翻译等，并优化了对 Apple Silicon 的支持，提供了快速的生成速度。

省时，提高效率的口述软件

Talkatoo是一款口述软件，可以比平均打字速度快5倍地转录内容，帮助用户节省时间。它提供了三种级别的控制，用户可以选择更自动化的方式来使用。Talkatoo具有验证记录、自动格式化记录和桌面口述等功能，适用于兽医等行业的专业人士。定价根据具体需求而定。Talkatoo还可以自动转化成SOAP（主诉、体检、诊断、处方）模板，提高医疗记录的效率。

网页浏览器中的音频转录,支持链接、文件或语音录制

这是一款基于AI技术的网页音频转录产品,可以直接在浏览器中将音频链接、上传的音频文件或语音录制转换为文字。它具有以下优势:1)无需下载安装,在线即可使用;2)支持多种音频输入方式;3)AI语音识别技术,准确高效;4)操作简单,界面友好。该产品主要面向需要将音频内容转录为文字的人群,如视频制作者、播客主播、记者等,帮助他们提高工作效率。

智能提取视频字幕

青梧字幕是一款视频字幕自动提取工具，用户可以通过选中本地视频文件自动生成字幕，进行编辑和翻译，最终可以下载多种格式的字幕文件。产品功能全面，支持高质量翻译和多种字幕格式下载，适用于视频制作、学习教育等场景。

Origlio - 音频转文字和更多服务

Origlio是一款音频转文字的服务，还提供更多功能。它可以将您的音频消息转录成文字，帮助您管理和整理语音消息。您可以将音频转发给Origlio，几秒钟后即可获得转录结果。除了音频转录，Origlio还提供丰富的响应功能，帮助您更好地完成日常工作。

AI音频工具 - 轻松转录音频

AI Audio Kit是一款使用OpenAI官方Whisper API在macOS上进行音频转录的工具。它使用先进的AI技术来实现精确转录，无需繁琐的上传步骤，同时支持长文本摘要功能。AI Audio Kit以9美元的价格提供，旨在节省用户的时间和精力。

免费语音转文字和视频字幕

CreateEasily可以快速、准确地将英语音频转换为字幕和文本转录。支持56种语言，最大文件限制为2GB。完全免费使用。

基于OpenAI和Azure Cognitive Services构建的机器翻译服务

Robo Translator是一款基于人工智能的机器翻译服务，可以帮助您将内容本地化，更好地吸引全球观众。它使用最新的OpenAI模型，提供高度准确的翻译工具。无论是音频、视频还是文本文档，都可以轻松地翻译成一个或多个语言。同时，Robo Translator还支持自动翻译YouTube视频的字幕和生成多语言音频轨道，以及快速准确的音频转录和字幕生成。Robo Translator还支持软件本地化，可以处理常见的本地化格式。我们提供按使用量计费的定价模式，保证您只支付实际使用的部分。

免费AI自动转录工具

Transcriptal是一个免费的AI自动转录工具，能够将YouTube视频内容转录为文本，并生成准确的字幕。它提供简单易用的界面，无需注册即可使用。功能包括生成和复制YouTube视频的转录文本、提供精确的字幕和标题等。Transcriptal旨在提供便捷的转录服务，节省时间和精力。

AI语音转文字

Scribewave是一款AI语音转文字工具，可以轻松将音频和视频文件转录、加字幕和字幕，具有99%的准确率。支持90多种语言，包括英语、荷兰语、法语、德语、西班牙语等。可以无限导出到Word、SRT、VTT、TXT等常用格式。免费试用，付费用户可以使用更多功能。适用于学术研究、媒体制作、法律文书等多个行业。

免费下载支持脚踏板控制的转录软件

Express Scribe是一款专业的音频播放软件，适用于Windows和Mac。它支持脚踏板或热键控制，方便转录人员使用。该软件具有可变速播放、多通道控制等功能。支持45种音频格式。可以与其他软件配合使用，如字处理软件。用户可以通过官方网站下载免费版本，也可以购买专业版获得更多功能和支持。

智能转录、摘要工具

PodSnacks是一款智能转录和摘要工具，帮助用户快速将音频转换为文字，并提供摘要功能。它使用先进的人工智能技术，准确地将音频内容转录为文字，并根据用户需求生成摘要。PodSnacks提供高效的转录和摘要服务，帮助用户节省时间和精力。定价灵活，适用于个人用户和商业用户。

无限语言沟通

Speechless 是一款基于 OpenAI 的 Whisper API 的终极应用，提供无缝的音频转录和翻译功能。通过 Speechless，您可以轻松导入音频并即时获取准确的转录。通过实时翻译打破语言障碍，轻松分享您的转录内容，实现无与伦比的连接和沟通。Speechless 支持 WhatsApp、语音备忘录等应用，让您轻松转录或翻译音频。

百度网盘最新推出的可以和用户对话的智能网盘助理

云一朵是百度网盘最新推出的可以和用户对话的智能网盘助理，旨在为用户提供最便捷的网盘使用体验，提高用户的生活，学习和办公效率。它拥有 2T 的免费存储空间，支持视频智能字幕、视频课件、视频笔记等功能，让学习更轻松。此外，它还支持文档证件扫描、格式转换等功能，让工作更高效。百度网盘云一朵是该产品的测试版，旨在为用户提供更便捷的网盘使用体验。

AI语音转录和字幕制作

Scribba是一款使用AI技术进行语音转写和视频字幕添加的工具。它能在几分钟内以98%的准确率将音频/视频转换为文本，也可以为视频添加字幕。Scribba可节省时间和金钱，支持多种语言，功能强大。

聊天GPT API为边缘计算带来的最佳视频字幕智能摘要工具

SubtifyAI是一款可以轻松摘要YouTube视频字幕的工具。通过使用OpenAI ChatGPT API和自定义提示，SubtifyAI可以在点击一次的时间内摘要视频字幕。支持Vimeo和Dailymotion即将推出，是在多个平台上简化视频观看体验的完美方式。

轻松转录视频、音频和语音为文本字幕

Memo是一个桌面应用程序,可以方便地将YouTube视频、播客和本地媒体文件转录为文本。它支持多种语言的转录和翻译,可以在转录的同时实时生成字幕和浮动注释,并可以轻松导出为SRT字幕、Markdown和Notion笔记等格式。Memo使用前沿的AI技术,可以进行语音识别和翻译,提供精准的转录。它支持Windows和MacOS,使用简单,数据处理在本地完成,可以离线使用,保证内容安全隐私。

AI驱动的视频和音频转录工具

AudioTranscription是一款使用人工智能技术进行音频和视频文件转录的工具。它提供快速、安全、准确的转录服务。用户可以通过上传文件或输入音频链接来进行转录。该产品的优势在于转录速度快、准确度高，并且能够处理非母语口音。它还能够识别并标点符号，包括在句子中间改变思路的省略号。AudioTranscription.ai比其他工具更快速地生成转录，并且表现更好。定价方面，用户可以免费获得100分钟的转录服务。