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。

AI视频创作平台，快速制作专业视频

Zebracat是一个利用人工智能技术，帮助用户将文本、博客内容快速转换成专业视频的平台。它通过AI视频生成器，提供文本到视频、博客到视频、AI场景生成等功能，极大地简化了视频制作流程，提高了内容创作的效率。Zebracat的主要优点包括快速生成视频、无需专业编辑技能、支持多种语言和AI配音，以及提供高影响力的营销视频。产品背景信息显示，Zebracat受到超过50,000名AI创作者的喜爱，并在Product Hunt上获得高度评价。

Sora，创造与分享视频的新平台

Sora是一个视频创作和分享平台，它允许用户登录后查看更多内容并创建视频。该平台可能支持视频编辑、上传和社交分享等功能，旨在为用户提供一个便捷的视频内容创作和交流环境。Sora以其用户友好的界面和强大的视频处理能力，为用户提供了一个全新的视频创作体验。

快速批量翻译文本到多种语言的在线工具

Web Bulk Languages Translator 是一个在线平台，旨在帮助用户将文本快速翻译成多种语言。在全球化的今天，这个工具对于需要与不同语言背景的受众沟通的个人和企业来说至关重要。它通过批量处理翻译任务，大大提高了效率，节省了时间。该平台提供免费服务，无需下载软件，用户可以直接在网站上进行操作，支持多种文件格式的下载，方便集成到项目中。

AI代理测试和评估平台

Coval是一个专注于AI代理测试和评估的平台，旨在通过模拟和评估来提高AI代理的可靠性和效率。该平台由自主测试领域的专家构建，支持语音和聊天代理的测试，并提供全面的评估报告，帮助用户优化AI代理的性能。Coval的主要优点包括简化测试流程、提供AI驱动的模拟、兼容语音AI，以及提供详细的性能分析。产品背景信息显示，Coval旨在帮助企业快速、可靠地部署AI代理，提高客户服务的质量和效率。Coval提供三种定价计划，满足不同规模企业的需求。

AI视频制作工具，一键制作个性化视频。

Lica是一款AI视频制作工具，它通过学习用户需求，实时做出设计选择，无缝整合资产、音乐、声音等元素，帮助用户在浏览器中像真正的队友一样共同创作视频。Lica以其会话式界面、品牌对齐模板、基于受众的剧本、AI配音和克隆、智能剪辑和修剪、多语言翻译和配音等功能，为用户提供了一个强大的视频制作平台。Lica适合需要制作产品视频和演示文稿的商业用户，包括销售人员、客户成功团队、市场营销人员和演讲者，帮助他们提升工作效率和视频质量。

AI视频生成器，将想象变为现实

Pollo AI是一个创新的AI视频生成器，它允许用户轻松创建令人惊叹的视频。用户可以通过简单的文本提示或静态图片，快速生成具有特定风格和内容的视频。Pollo AI以其用户友好的界面、广泛的定制选项和高质量的输出而脱颖而出，是初学者和经验丰富的创作者的首选。它不仅支持文本到视频的生成，还可以根据图片内容和用户需求生成视频，拥有多种模板，包括AI拥抱视频生成器，可以轻松制作温馨感人的拥抱视频。Pollo AI以其快速的视频生成能力、高质量的输出和无需技术视频编辑技能即可使用的易用性，为用户提供了无限的创作可能性。

为LTX视频模型提供额外控制的ComfyUI节点集合

ComfyUI-LTXTricks是一个为LTX视频模型提供额外控制的ComfyUI节点集合。它通过实现RF-Inversion和RF-Solver-Edit等技术，允许用户对视频内容进行更精细的操作和编辑。该产品背景信息显示，它是基于开源项目构建的，拥有活跃的社区支持，并且遵循GPL-3.0许可证。产品的主要优点包括无需额外安装包、提供丰富的示例工作流以及支持多种视频编辑技术。

文档/图片公式识别、转换与翻译的究极解决方案

Doc2X是一款提供文档和图片中公式识别、转换与翻译服务的在线平台。它支持将PDF或图片中的公式精准识别，并转换为Word、LaTeX、HTML、Markdown等多种格式，同时提供多语言翻译功能。Doc2X搭载了大模型技术，满足学术、办公和多场景需求，是提高文档处理效率和准确性的强大工具。

一键式AI视频编辑平台

Magicroll.ai是一个AI驱动的视频编辑平台，它通过自动化技术简化视频编辑流程，使内容创作者能够快速、高效地制作出专业级别的视频。该平台利用人工智能技术，如自动生成B-Roll、AI视觉增强和自动字幕生成，来提升视频内容的质量和吸引力。Magicroll.ai的背景信息显示，它由多家知名机构支持，包括Changengine、NVIDIA Startups等，这表明其技术实力和市场潜力。产品提供免费试用，并根据不同用户的需求提供多种定价方案。

AI驱动的社交媒体内容创作与管理平台

quso.ai是一个利用人工智能技术帮助用户在社交媒体上创建、管理和发布内容的平台。它通过AI技术简化了内容创作流程，提供了从视频剪辑到社交媒体管理的一系列工具，帮助用户提升内容的吸引力和参与度。产品背景信息显示，quso.ai旨在为内容创作者和品牌提供全面的AI营销解决方案，通过自动化和智能化的工具，实现社交媒体成功。价格方面，quso.ai提供了免费试用和付费订阅的选项，以满足不同用户的需求。

AI图像增强软件，提升图片品质、细节和分辨率。

Aiarty Image Enhancer是一款利用生成式AI技术提升图片质量的软件，它通过去模糊、去噪点、锐化以及超分辨率处理等技术，增强图像并生成真实细节。该产品支持多种图片类型，包括艺术图片、植物、动物和风景摄影照片，可放大至10K、16K或32K分辨率，适用于高品质打印、壁纸、海报、简报等。Aiarty Image Enhancer以其自动化处理、出色的效果和低AI处理要求而受到用户青睐。

基于AI的先进图像抠图软件，提供精准背景去除。

Aiarty Image Matting是一款适用于AI PC的先进图像抠图软件，采用高级alpha抠图技术处理头发、毛发及透明物体，并实现前景与背景的无缝融合。该产品利用深度学习技术，通过320K HQ 4K图像训练数据集，提供4个AI模型用于智能抠图，3种算法用于边缘优化，以及4个手动调节工具和5种内置效果。它适用于电商和设计领域，能够批量替换产品图像背景，智能识别物体，一次性替换背景，处理最多3000张产品照片。产品背景信息显示，首发限免活动将于2024年12月2日结束，之后将转为付费软件。

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。

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。