产品库

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。

智能语音转文字工具，高效且用户友好。

AsrTools是一款基于人工智能技术的语音转文字工具，它通过调用大厂的ASR服务接口，实现了无需GPU和复杂配置的高效语音识别功能。该工具支持批量处理和多线程并发，能够快速将音频文件转换成SRT或TXT格式的字幕文件。AsrTools的用户界面基于PyQt5和qfluentwidgets，提供高颜值且易于操作的交互体验。它的主要优点包括调用大厂接口的稳定性、无需复杂配置的便捷性、以及多格式输出的灵活性。AsrTools适合需要快速将语音内容转换成文字的用户，特别是在视频制作、音频编辑和字幕生成等领域。目前，AsrTools提供免费使用大厂ASR服务的模式，对于个人和小团队来说，可以显著降低成本并提高工作效率。

AI驱动的视频编辑软件

Wondershare Filmora 是一款功能强大的视频编辑软件，通过集成人工智能技术，为用户提供了高效、简便的视频编辑体验。它支持多机位编辑、智能短片剪辑、AI视频增强、AI人像抠图等功能，帮助用户轻松创作出专业级别的视频内容。Filmora 以其直观的操作界面、丰富的特效资源和强大的编辑功能，满足了从业余爱好者到专业视频创作者的不同需求。

为视频快速创建字幕的终极工具。

CaptionKit 是一款为视频创作者设计的应用，它利用先进的AI技术，支持超过100种语言的字幕生成，确保文本识别的高准确度。用户可以选择20多种预设的字幕模板，或自定义风格以适应不同的项目需求。该应用还提供了强大的文本编辑器，允许用户自定义字体、颜色、轮廓、背景等，甚至添加阴影效果。此外，它支持将字幕翻译成不同语言，帮助视频内容触及全球观众。CaptionKit 还具备预览模式，确保在不同社交媒体平台上的显示效果。无论是内容创作者、影响者还是普通用户，CaptionKit 都能够帮助他们在几分钟内创建出专业质量的字幕。

视频生成和编辑的AI工具

Captions是一个提供视频生成和编辑服务的AI平台，它利用先进的人工智能技术，帮助用户快速生成和编辑视频内容。该平台拥有多项功能，如AI视频编辑器、AI广告生成器等，旨在提高视频制作的效率和质量，同时降低技术门槛，使视频内容创作更加便捷。

一键全自动视频搬运，生成Netflix品质字幕

VideoLingo是一个基于人工智能的视频字幕生成工具，它利用自然语言处理(NLP)和大型语言模型(LLM)进行字幕分割和上下文感知翻译。该产品支持一键启动，用户可以在Streamlit界面上轻松操作，实现视频的字幕生成和配音。它具有极低成本、高质量的个性化配音和精确的单词级字幕对齐等特点，非常适合需要跨语言视频内容的创作者和教育工作者。

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。

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。

将视频转换为短视频，生成字幕，创作时尚短视频。

Slickkey是一个在线工具，可以将视频转换为短视频。您可以上传视频或添加YouTube视频链接，它会自动选择有趣的片段、生成字幕，并创建时尚的短视频。Slickkey提供高级编辑功能，适用于个人用户和团队。不同的套餐价格适应不同的需求。使用Slickkey，您可以快速创建有趣、吸引人的短视频，推广您的内容。

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。

轻松为视频添加自动字幕

SubtitleO是一款基于云的自动字幕生成工具，帮助内容创作者在几步之内为他们的视频添加自动字幕，并可自定义字幕样式。SubtitleO提供简单易用的界面和丰富的功能，无隐藏费用或付费计划。通过使用SubtitleO，您可以提高视频的吸引力、观看量和用户参与度。

Nova A.I. - 让你的创造力自由发挥！

Nova A.I. 是一个简单而强大的在线视频编辑和日志记录软件，由计算机视觉视频搜索引擎提供支持。它提供了多种视频编辑工具，包括视频剪辑、视频裁剪、视频合并、视频滤镜等。同时还提供了视频字幕编辑、字幕生成、字幕翻译等视频文本工具。Nova A.I. 的优势在于其智能的视频搜索功能，可以帮助用户快速定位并编辑视频内容。定价方面，Nova A.I. 提供免费和付费的不同版本，具体价格可以在官方网站上获取。Nova A.I. 主要面向视频编辑、内容创作者、社交媒体营销人员等用户群体。

将照片和视频剪辑转变为时尚、充满音乐的杰作。

Beat.ly是一款人工智能音乐视频制作器，它允许用户轻松将照片转换为带有音乐的精彩视频。产品背景信息显示，Beat.ly旨在释放用户的创作潜力，无论是初学者还是专业人士，都能通过这款应用轻松制作出专业品质的视频。Beat.ly的主要优点包括多样化的模板、3D效果和动态视频制作、快速简单的视频编辑以及一键分享到社交媒体的功能。Beat.ly的价格定位为包含广告的免费应用，但提供内购选项。

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。

Final Cut Pro 11为Mac、iPad和iPhone带来视频剪辑新体验。

Final Cut Pro 11是由Apple公司推出的一款革命性的视频编辑软件，它全面发挥了Apple M系列芯片的性能，引入了磁性蒙版、转写为字幕等基于AI的新工具，支持空间视频编辑，并提供了多种节省时间的工具和工作流优化功能。Final Cut Pro 11以其强大的功能、直观的操作和高效的工作流程，成为全球创意专业人士的首选视频编辑工具。Final Cut Pro 11的价格为RMB 1,998，新用户可下载免费90天试用版。

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。

在线视频制作平台，提供AI虚拟形象和视频制作服务。

Yepic Studio是一个在线视频制作平台，它通过使用人工智能技术，允许用户创建和编辑视频内容，包括制作会说话的照片视频、专业视频以及AI虚拟形象。该平台的主要优点在于能够快速生成高质量的视频内容，同时提供个性化的AI虚拟形象，满足不同商业需求。产品背景信息显示，Yepic Studio旨在为内容创作者和企业提供一个简单易用的在线视频制作工具，以提高内容生产的效率和质量。关于价格，页面显示用户为'Guest'且'Credits'为0，暗示可能有免费试用或基础免费服务，具体定价需进一步查看。

Jumper是一个强大的AI视频搜索工具，帮助编辑者快速找到视频素材。

Jumper是一个专为视频编辑者设计的AI搜索工具，它能够让用户在眨眼间搜索自己的视频素材。Jumper集成到了用户的非线性编辑器（NLE）中，无需离开编辑工作流程即可找到所需素材。Jumper支持多语言搜索，能够快速定位特定词汇或短语在视频中的位置，支持多机位和同步剪辑，并且完全在设备上运行，保护用户隐私，无需上传素材至云端。Jumper的主要优点包括快速搜索、完全离线工作、保护隐私和兼容性强。产品背景信息显示，Jumper由Witchcraft Software AB开发，旨在通过AI技术提高视频编辑的效率和创造力。

Video Ocean，让每个人都能轻松制作高质量视频。

Video Ocean是一个基于人工智能模型技术的视频制作平台，提供文本生成、图像生成、音视频生成等功能。用户可以输入描述性文本、图片、音频和视频，获得定制化的AI生成文本、图片、音频和视频。该平台致力于简化视频生成的复杂性，通过提供先进的工具和详细的资源，使高质量的视频制作变得易于访问和不费力。Video Ocean的主要优点包括开放源代码、易于使用、高效生产和创新性。它通过提供100个免费币来吸引用户试用，推动内容创作的民主化，鼓励创新、创造力和包容性。

视频编辑工具，使用Genmo Mochi技术

ComfyUI-MochiEdit是一个基于Genmo Mochi技术的视频编辑插件，允许用户通过ComfyUI界面对视频进行编辑。该插件的主要优点在于其能够利用先进的视频处理技术，提供给用户一个直观、易用的编辑环境。产品背景信息显示，它是由logtd和kijai共同开发，并且遵循GPL-3.0开源许可证。由于其开源特性，该插件可以免费使用，定位于需要视频编辑功能的专业用户或爱好者。

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。

新一代创意生产力平台，点燃你的想象力

可灵AI是一个基于可灵大模型和可图大模型的创意生产力平台，提供视频、图片生成与编辑能力。它允许用户通过输入文本或图片来生成视频和图片，支持多种尺寸和风格，并且可以将图片一键生成视频。该平台还提供了一个创意圈，用户可以在这里寻找创作灵感，并与其他创作者互动。产品背景信息显示，可灵AI广受海内外创作者好评，其技术优势在于物理仿真理解、运动幅度和画面审美表现，以及降低制作成本。价格方面，可灵AI提供免费下载，并提供App内购买项目。

基于 Apple MLX 框架的视频字幕生成工具

一款基于 Apple MLX 框架构建的开源字幕生成工具，针对苹果硅芯片 Mac 优化，高效且成本效益高。

免费在线工具，将文本和图片转换为视频

VideoMaker Luma AI视频生成器是一个利用AI技术快速轻松创建高质量视频的平台，提供文本转视频和图片转视频功能，让用户能够将文本和图片转化为引人入胜的视频。该平台通过免费的AI视频制作工具和在线视频制作工具，提供了一种专业且用户友好的体验，无需任何编辑技能。Luma AI以其在AI技术领域的创新而闻名，特别是在3D建模方面。其最新的创新产品Dream Machine模型是一款AI视频生成器，可以通过文本和图片输入生成高质量、逼真的视频，具备流畅的动作和一致的背景，相较于以前的AI视频生成器是一个显著的改进。

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。

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。