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。

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。

使用低延迟语音识别和合成模型与 AI 对话。

Unmute 是一款创新的语音识别与合成工具，旨在使用户能够通过自然语言与 AI 进行高效的互动。其低延迟技术确保用户体验流畅，适合需要实时反馈的场景。该产品将以开源形式发布，推动更多开发者和用户的参与。当前尚未公布价格，预计将采取免费和付费相结合的模式。

AI Alive是一种具有智能编辑功能的创意工具，可以将静态照片转换为动态视频。

AI Alive是TikTok推出的创新功能，利用智能编辑工具将静态照片转换为生动的视频，为用户提供丰富多彩的创作可能性，强调简单易用，提升视觉叙事体验。

Lens是世界上第一个基于提示的视频编辑代理。

Lens是世界上第一个基于提示的视频编辑代理。它通过AI编辑视频，让编辑过程更快速、更具创造力，让创作者节省时间。Lens的主要优点是提高编辑效率，让创作者更专注于创作。产品背景信息包括创始团队的信息、产品研发历程等。

Kimi-Audio 是一个开源音频基础模型，擅长音频理解与生成。

Kimi-Audio 是一个先进的开源音频基础模型，旨在处理多种音频处理任务，如语音识别和音频对话。该模型在超过 1300 万小时的多样化音频数据和文本数据上进行了大规模预训练，具有强大的音频推理和语言理解能力。它的主要优点包括优秀的性能和灵活性，适合研究人员和开发者进行音频相关的研究与开发。

亚马逊全新基础模型理解语气、语调与节奏，提升人机对话自然度。

Amazon Nova Sonic 是一款前沿的基础模型，能够整合语音理解和生成，提升人机对话的自然流畅度。该模型克服了传统语音应用中的复杂性，通过统一的架构实现更深层次的交流理解，适用于多个行业的 AI 应用，具有重要的商业价值。随着人工智能技术的不断发展，Nova Sonic 将为客户提供更好的语音交互体验，提升服务效率。

AI 驱动的内容创作服务，支持 56 种语言的音频和视频本地化与配音。

Krillin AI 是一个强大的内容创作服务平台，专注于音频和视频的本地化与配音。它利用最先进的技术提高字幕的准确性和翻译质量，适合全球市场的多语言需求。该平台支持多种语言的翻译，自动过滤多余的填充词，旨在提供清晰、专业的字幕体验。Krillin AI 提供免费试用，让用户能够体验其强大功能。

VACE 是一款集视频创作与编辑于一体的人工智能模型。

VACE（Video All-in-One Creation and Editing）是由 Tongyi Lab 团队开发的一款多功能视频创作与编辑模型。它通过单一模型提供视频生成和编辑的解决方案，能够有效简化用户的工作流程，释放无限创意。VACE 的技术核心在于其强大的多模态生成能力，能够实现如物体移动、替换、参考、扩展、动画化等多种功能，为视频创作带来了前所未有的灵活性和高效性。VACE 的出现填补了视频创作领域中全功能一体化模型的空白，为视频创作者、广告制作团队、影视后期人员等提供了强大的工具支持，有望推动视频内容创作行业的技术革新。

VideoPainter 是一款支持任意长度视频修复和编辑的工具，采用文本引导的插件式框架。

VideoPainter 是一款基于深度学习的视频修复和编辑工具，采用预训练的扩散变换器模型，结合轻量级背景上下文编码器和 ID 重采样技术，能够实现高质量的视频修复和编辑。该技术的重要性在于它突破了传统视频修复方法在长度和复杂度上的限制，为视频创作者提供了一种高效、灵活的工具。产品目前处于研究阶段，暂未明确价格，主要面向视频编辑领域的专业用户和研究人员。

通过扩散模型实现单目视频的相机轨迹重定向。

TrajectoryCrafter 是一种先进的相机轨迹重定向工具，利用扩散模型技术，将单目视频中的相机运动重新设计，提升视频的表现力和视觉吸引力。该技术可广泛应用于影视制作和虚拟现实等领域，具备高效、便捷和创新的特点，旨在为用户提供更多创意自由和控制能力。

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。

DeepSRT 是一款 Chrome 扩展工具，可为 YouTube 视频提供快速多语言摘要和实时 AI 双语字幕。

DeepSRT 是一款专为 YouTube 观看体验设计的 Chrome 扩展工具。它通过智能技术为用户提供快速的多语言视频摘要，以及实时生成的 AI 双语字幕，支持英语、西班牙语、法语、日语、中文、韩语、泰语等多种语言。该工具旨在帮助用户快速理解视频内容，同时支持语言学习和提升观看体验。其主要优点包括高效的内容理解、多语言支持以及对低性能设备的优化。目前该产品处于积极开发阶段，未来可能会探索开源选项。

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。

Gemini 2.0 Flash-Lite 是高效的语言模型，专为长文本处理和多种应用场景优化。

Gemini 2.0 Flash-Lite 是 Google 推出的高效语言模型，专为长文本处理和复杂任务优化。它在推理、多模态、数学和事实性基准测试中表现出色，具备简化的价格策略，使得百万级上下文窗口更加经济实惠。Gemini 2.0 Flash-Lite 已在 Google AI Studio 和 Vertex AI 中全面开放，适合企业级生产使用。

VideoGrain 是一种零样本方法，用于实现类别级、实例级和部件级的视频编辑。

VideoGrain 是一种基于扩散模型的视频编辑技术，通过调节时空注意力机制实现多粒度视频编辑。该技术解决了传统方法中语义对齐和特征耦合的问题，能够对视频内容进行精细控制。其主要优点包括零样本编辑能力、高效的文本到区域控制以及特征分离能力。该技术适用于需要对视频进行复杂编辑的场景，如影视后期、广告制作等，能够显著提升编辑效率和质量。

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。

ToVideo 是一个将图片转换为视频的在线工具，提供免费的 AI 功能和无缝编辑体验。

ToVideo 是一款专注于将图片转换为视频的在线工具。它利用 AI 技术，为用户提供快速、便捷的图片转视频解决方案。用户可以通过简单的操作，将静态图片转化为具有动态效果、过渡动画和背景音乐的视频。该工具的主要优点包括操作简单、支持免费使用、提供高质量的 MP4 视频下载，且无水印。它适用于个人、教育、商业等多种场景，帮助用户快速制作出适合社交媒体、广告宣传或个人展示的视频内容。ToVideo 提供免费版本，同时也有付费的高级功能，以满足不同用户的需求。

Light-A-Video 是一种无需训练的视频重光照技术，通过渐进式光照融合实现平滑的视频重光照效果。

Light-A-Video 是一种创新的视频重光照技术，旨在解决传统视频重光照中存在的光照不一致和闪烁问题。该技术通过 Consistent Light Attention（CLA）模块和 Progressive Light Fusion（PLF）策略，增强了视频帧之间的光照一致性，同时保持了高质量的图像效果。该技术无需额外训练，可以直接应用于现有的视频内容，具有高效性和实用性。它适用于视频编辑、影视制作等领域，能够显著提升视频的视觉效果。