产品库

实时语音转文字,集成GPT聊天功能

Hintscribe是一个创新的语音转文字桌面应用程序。它可以实时转录系统音频,并通过集成ChatGPT,支持用户与转录后的文本进行交互,从而实现诸如回答问题、翻译文本或为社交平台创作机智评论等多种任务。该应用程序的实时转录功能,可显著提高会议效率;与各种会议平台的无缝集成,实现了简单方便的转录;实时面试录音转录功能,可减少面试者的笔记负担,让面试者更专注于与应聘者的互动。该应用还可通过ChatGPT提供面试应对建议,帮助应聘者改进表现。

AI驱动的语音听写工具

Whispo是一款利用人工智能技术的语音听写工具，它能够将用户的语音实时转换成文字。这款工具使用了OpenAI Whisper技术进行语音识别，并支持使用自定义API进行语音转写，还允许通过大型语言模型进行转录后处理。Whispo支持多种操作系统，包括macOS（Apple Silicon）和Windows x64，并且所有数据都存储在本地，保障了用户隐私。它的设计背景是为了提高那些需要大量文字输入的用户的工作效率，无论是编程、写作还是日常记录。Whispo目前是免费试用的，但具体的定价策略尚未在页面上明确。

AI智能笔记工具，提升会议效率。

Granola是一款专为频繁开会人士设计的AI笔记应用。它能够将会议的原始笔记转化为结构化、易于阅读的格式，并通过AI技术增强笔记内容。Granola支持Mac平台，无需会议机器人即可直接转录Mac音频，提供可定制的会议模板，满足不同团队的需求。内置GPT-4，帮助用户处理会议后的行动项目，如撰写跟进邮件、列出行动项目等。此外，Granola还支持一键分享笔记到常用平台，提高工作效率。

Meetslay是一款用于会议的AI助手，提供实时转录、提示关键问题、提醒发言等功能。

Meetslay是一款AI助手，为会议提供实时转录和关键问题提醒等功能。它的主要优点是提升会议效率、减少遗漏和提供指导。Meetslay的背景信息是提供高效会议的需求，定位为提供会议辅助工具。

Easy With AI是一个集成了50多个不同类别AI工具和资源的平台。

Easy With AI是一个拥有互联网上最大的AI工具和资源收藏的平台。您可以在50多个不同的类别中查找和搜索AI工具。Easy With AI为各种用户提供了便利和丰富的AI工具资源，包括AI写作助手、社交媒体工具、电子邮件工具、AI内容检测工具、客户服务工具、网站建设工具、电子商务工具、图像工具、音频工具、视频工具、音乐生成器、视频生成器、播客工具、演示制作工具、设计工具、直播工具、聊天机器人、语音工具、移动应用、转录工具、会议助手、建筑工具、生产力工具、教育工具、AI Chrome扩展和更多。您可以根据您的需求和兴趣，在Easy With AI上找到适合您的AI工具。

WhisperKit是一个开源项目，旨在帮助开发者和企业在用户设备上部署商业规模的推理工作负载

WhisperKit由Argmax公司推出，是一个基于Whisper项目的推理工具包，它允许在iOS和macOS应用程序中进行语音识别和转录。该项目的目标是收集开发者反馈，并在几周内发布一个稳定的候选版本，以加速设备上推理的生产化。

批量运行ChatGPT任务

ChatGPT Batch Tasks Excel是一个Chrome插件，帮助用户批量运行ChatGPT任务，无需OpenAI token费用。可以导出结果为CSV、Excel、JSON、Markdown或HTML格式。适用于内容生成、教育辅助、语言翻译和处理、技术文档编写、广告与营销创意等场景。

记录、转录和总结Google Meet会议

Fathom是一款能够记录、转录和总结Zoom、Google Meet或Microsoft Teams会议的AI助手。它能够自动转录会议内容并生成摘要，提供即时访问和可搜索的完整记录。同时，Fathom还能与Salesforce和Hubspot等CRM系统集成，自动更新会议信息。Fathom完全免费使用，可以帮助用户节省时间和精力。

聊天更智能，沟通更轻松

MyNeo AI 是一款终极移动助手应用，提供个性化 AI 和智能键盘，实现无障碍沟通。它具有智能聊天、语音识别、语言翻译、智能键盘输入等功能，能够帮助用户更轻松地进行沟通和交流。MyNeo AI 定价合理，定位于提升沟通效率和便捷性的聊天工具。

AI智能助理

使用Limeline可以创建自动化的AI助理，帮助你进行会议和通话，无需亲自出席。它还提供会议摘要和通话录音，让你可以专注于会议的重要部分而无需担心记笔记。Limeline有多种价格方案可供选择。

智能 AI 助手 - 在 WhatsApp 中与 ChatGPT 聊天、使用 Dalle 绘画等

Magic Mate 是一款智能 AI 助手，可以在 WhatsApp 中与 ChatGPT 聊天、使用 Dalle 绘画，对图像进行上色和修复，使用自然语言编辑图像，翻译音频等。产品定价灵活，适用于个人和商业用户。

AI智能面试准备

通过实时语音识别和智能回答，掌握面试技巧。内置编译器，支持Python、Java和C。听取面试官的实时语音，模拟真实面试场景。Mocktalk致力于优化面试模拟体验，帮助求职者顺利通过技术行业面试。

AI驱动的Chrome扩展，可实现会议笔记自动化

Bluedot是一款AI助手，用于记录、转录和总结会议，生成适合您需求的AI生成的会议笔记。它可以无干扰地记录Google Meet会议，并根据您的使用情况生成AI会议笔记。您可以自动将会议笔记分享到Slack、Notion或您喜欢的CRM工具中。Bluedot是一款简单易用的会议记录工具，帮助您节省时间、提高生产力。

将您的播客、视频和会议转录。

Transcript.LOL是一个在线转录工具，可以帮助用户将音频、视频和会议记录转录成文字。它提供自动转录功能，支持1500多个平台，包括YouTube、TikTok和Podcast等。用户可以使用它来提取关键点、整理笔记、搜索内容和加快学习和生产力。

你的虚拟面试和会议教练

MoqMeetings是一个虚拟面试和会议教练，为你提供真实的模拟场景，详细的反馈和性能分析，帮助你提升面试和会议技巧。我们的工具将帮助你在竞争中脱颖而出，展现自己的优势。

互动会议、研讨会和网络研讨会

Sessions是一个全方位的平台，提供互动会议、研讨会和网络研讨会服务。它具备一站式功能，包括日程安排、转录、房间、云存储和人工智能等。通过Sessions，您可以给参与者带来令人惊叹的互动体验。

联合语音转录和实体识别的先进模型

Whisper-NER是一个创新的模型，它允许同时进行语音转录和实体识别。该模型支持开放类型的命名实体识别（NER），能够识别多样化和不断演变的实体。Whisper-NER旨在作为自动语音识别（ASR）和NER下游任务的强大基础模型，并且可以在特定数据集上进行微调以提高性能。

管理和组织您的 ChatGPT 对话

Chatgpt 对话管理器是一款Chrome扩展程序，旨在帮助用户管理和组织他们的ChatGPT对话。这款工具的主要优点在于其快速过滤和访问功能，用户可以立即找到特定的对话；固定收藏夹功能，最多可以保存5个重要对话；以及使用文件夹进行组织的功能，可以将对话分类到自定义文件夹中，以获得更清晰、结构化的视图。这款插件的背景信息显示，它是开发者为了解决个人需求而构建的，并且完全基于ChatGPT构建。目前，该插件是免费的，并且正在积极开发中，以期吸引更多用户。

多模态语音大型语言模型

ultravox-v0_4_1-mistral-nemo是一个基于预训练的Mistral-Nemo-Instruct-2407和whisper-large-v3-turbo的多模态语音大型语言模型（LLM）。该模型能够同时处理语音和文本输入，例如，一个文本系统提示和一个语音用户消息。Ultravox通过特殊的<|audio|>伪标记将输入音频转换为嵌入，并生成输出文本。未来版本计划扩展标记词汇以支持生成语义和声学音频标记，进而可以输入到声码器中产生语音输出。该模型由Fixie.ai开发，采用MIT许可。

多模态语音大型语言模型

fixie-ai/ultravox-v0_4_1-llama-3_1-70b是一个基于预训练的Llama3.1-70B-Instruct和whisper-large-v3-turbo的大型语言模型，能够处理语音和文本输入，生成文本输出。该模型通过特殊伪标记<|audio|>将输入音频转换为嵌入，并与文本提示合并后生成输出文本。Ultravox的开发旨在扩展语音识别和文本生成的应用场景，如语音代理、语音到语音翻译和口语音频分析等。该模型遵循MIT许可，由Fixie.ai开发。

多模态语音大型语言模型

fixie-ai/ultravox-v0_4_1-llama-3_1-8b是一个基于预训练的Llama3.1-8B-Instruct和whisper-large-v3-turbo的大型语言模型，能够处理语音和文本输入，生成文本输出。该模型通过特殊的<|audio|>伪标记将输入音频转换为嵌入，并生成输出文本。未来版本计划扩展标记词汇以支持生成语义和声学音频标记，进而可以用于声码器产生语音输出。该模型在翻译评估中表现出色，且没有偏好调整，适用于语音代理、语音到语音翻译、语音分析等场景。

下一代语音AI，打造自然沟通的AI语音代理。

Ultravox.ai是一个先进的语音语言模型（SLM），直接处理语音，无需转换为文本，实现更自然、流畅的对话。它支持多语言，易于适应新语言或口音，确保与不同受众的顺畅沟通。产品背景信息显示，Ultravox.ai是一个开源模型，用户可以根据自己的需求进行定制和部署，价格为每分钟5美分。

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。

开源的全双工音频生成基础模型

hertz-dev是Standard Intelligence开源的全双工、仅音频的变换器基础模型，拥有85亿参数。该模型代表了可扩展的跨模态学习技术，能够将单声道16kHz语音转换为8Hz潜在表示，具有1kbps的比特率，性能优于其他音频编码器。hertz-dev的主要优点包括低延迟、高效率和易于研究人员进行微调和构建。产品背景信息显示，Standard Intelligence致力于构建对全人类有益的通用智能，而hertz-dev是这一旅程的第一步。

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。

Promega通过ChatGPT加速制造、销售和市场营销。

Promega是一家在生命科学领域领先的公司，提供用于研究和应用技术的开创性生物试剂和集成系统。Promega通过自上而下地采用ChatGPT，帮助员工更高效地管理数千种产品和超过60,000个账户，从而加速产品交付到生物技术生态系统。ChatGPT的使用不仅提高了工作效率，还增强了客户关系，并在制造、销售和市场营销等多个领域发挥了重要作用。

下一代语音AI，提供卓越的音频数据处理能力。

Universal-2是AssemblyAI推出的最新语音识别模型，它在准确度和精确度上超越了前一代Universal-1，能够更好地捕捉人类语言的复杂性，为用户提供无需二次检查的音频数据。这一技术的重要性在于它能够为产品体验提供更敏锐的洞察力、更快的工作流程和一流的产品体验。Universal-2在专有名词识别、文本格式化和字母数字识别方面都有显著提升，减少了实际应用中的词错误率。

端到端中英语音对话模型

GLM-4-Voice是由清华大学团队开发的端到端语音模型，能够直接理解和生成中英文语音，进行实时语音对话。它通过先进的语音识别和合成技术，实现了语音到文本再到语音的无缝转换，具备低延迟和高智商的对话能力。该模型在语音模态下的智商和合成表现力上进行了优化，适用于需要实时语音交互的场景。

智能面试问题生成器

Hiring Studio by Metaview 是一个基于大型语言模型（LLM）的智能工具，旨在帮助招聘者生成面试问题。它通过分析职位描述来定制问题，从而提高面试的效率和质量。该产品背景信息显示，它由 Metaview 公司开发，该公司专注于利用人工智能技术优化招聘流程。Hiring Studio 的主要优点包括节省时间、提高面试问题的针对性和质量，以及为用户提供一个简洁易用的界面。目前，该产品提供免费试用，但具体的定价信息未在页面中提供。