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。

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。

开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

FireRedASR-AED-L 是一个开源的工业级自动语音识别模型，专为满足高效率和高性能的语音识别需求而设计。该模型采用基于注意力的编码器-解码器架构，支持普通话、中文方言和英语等多种语言。它在公共普通话语音识别基准测试中达到了新的最高水平，并且在歌唱歌词识别方面表现出色。该模型的主要优点包括高性能、低延迟和广泛的适用性，适用于各种语音交互场景。其开源特性使得开发者可以自由地使用和修改代码，进一步推动语音识别技术的发展。

开源的工业级普通话自动语音识别模型，支持多种应用场景。

FireRedASR 是一个开源的工业级普通话自动语音识别模型，采用 Encoder-Decoder 和 LLM 集成架构。它包含两个变体：FireRedASR-LLM 和 FireRedASR-AED，分别针对高性能和高效能需求设计。该模型在普通话基准测试中表现出色，同时在方言和英文语音识别上也有良好表现。它适用于需要高效语音转文字的工业级应用，如智能助手、视频字幕生成等。模型开源，便于开发者集成和优化。

强大的视频替换与编辑软件，利用AI技术实现自然效果。

VisoMaster是一款专注于视频替换和编辑的桌面客户端软件。它利用先进的AI技术，能够在图像和视频中实现高质量的替换，效果自然逼真。该软件操作简单，支持多种输入输出格式，并通过GPU加速提高处理效率。VisoMaster的主要优点是易于使用、高效处理以及高度定制化，适合视频创作者、影视后期制作人员以及对视频编辑有需求的普通用户。软件目前免费提供给用户，旨在帮助用户快速生成高质量的视频内容。

将口语转化为优雅文字的AI写作工具，让写作变得轻松自然。

Bulletpen是一款创新的AI写作应用，旨在帮助用户将口头表达转化为高质量的书面文本。它通过语音识别和自然语言处理技术，将用户的口语内容进行优化和润色，生成结构清晰、语言流畅的书面文本。该产品的主要优点是能够显著提高写作效率，尤其适合那些在写作时感到困难或缺乏灵感的用户。Bulletpen由17岁的高中生Rexan Wong开发，目标是为学生、作家和内容创作者提供一个简单易用的写作辅助工具。它提供免费和付费两种计划，满足不同用户的需求。

MatAnyone 是一个支持目标指定的稳定视频抠像框架，适用于复杂背景。

MatAnyone 是一种先进的视频抠像技术，专注于通过一致的记忆传播实现稳定的视频抠像。它通过区域自适应记忆融合模块，结合目标指定的分割图，能够在复杂背景中保持语义稳定性和细节完整性。该技术的重要性在于它能够为视频编辑、特效制作和内容创作提供高质量的抠像解决方案，尤其适用于需要精确抠像的场景。MatAnyone 的主要优点是其在核心区域的语义稳定性和边界细节的精细处理能力。它由南洋理工大学和商汤科技的研究团队开发，旨在解决传统抠像方法在复杂背景下的不足。

一款支持多模态功能的全功能大语言模型安卓应用。

MNN 大模型 Android App 是阿里巴巴开发的一款基于大语言模型（LLM）的安卓应用。它支持多种模态输入和输出，包括文本生成、图像识别、音频转录等。该应用通过优化推理性能，确保在移动设备上高效运行，同时保护用户数据隐私，所有处理均在本地完成。它支持多种领先的模型提供商，如 Qwen、Gemma、Llama 等，适用于多种场景。

百川智能开发的专为医疗场景优化的开源大语言模型，具备卓越的通用能力和医疗领域性能。

Baichuan-M1-14B 是由百川智能开发的开源大语言模型，专为医疗场景优化。它基于20万亿token的高质量医疗与通用数据训练，覆盖20多个医疗科室，具备强大的上下文理解和长序列任务表现能力。该模型在医疗领域表现出色，同时在通用任务中也达到了同尺寸模型的效果。其创新的模型结构和训练方法使其在医疗推理、病症判断等复杂任务中表现出色，为医疗领域的人工智能应用提供了强大的支持。

Doubao-1.5-pro 是一个高性能的稀疏 MoE 大语言模型，专注于推理性能与模型能力的极致平衡。

Doubao-1.5-pro 是由豆包团队开发的高性能稀疏 MoE（Mixture of Experts）大语言模型。该模型通过训练-推理一体化设计，实现了模型性能与推理性能的极致平衡。它在多个公开评测基准上表现出色，尤其在推理效率和多模态能力方面具有显著优势。该模型适用于需要高效推理和多模态交互的场景，如自然语言处理、图像识别和语音交互等。其技术背景基于稀疏激活的 MoE 架构，通过优化激活参数比例和训练算法，实现了比传统稠密模型更高的性能杠杆。此外，该模型还支持动态调整参数，以适应不同的应用场景和成本需求。

Kawara AI 是一款利用人工智能组织视频文件、快速查找所需片段的产品。

Kawara AI 是一款面向视频创作者的 AI 工具，通过智能组织和搜索视频文件，帮助用户高效管理视频素材。其核心功能包括自动剪辑、视频搜索和无缝集成等，旨在提升视频创作的生产力。产品目前提供免费试用，定位为视频创作者的得力助手，致力于简化视频编辑流程，节省时间和精力。

VideoTube 是一个免费的在线 AI 视频生成器，可将文本或图片转化为引人入胜的视频。

VideoTube 是一款基于人工智能技术的在线视频生成工具。它通过先进的 AI 算法，能够快速将简单的文本或图片转化为高质量的视频内容，广泛应用于社交媒体、营销、教育等多个领域。该产品的主要优点在于操作简单、生成速度快、无需专业视频编辑技能，且提供丰富的模板和定制化选项，满足不同用户的多样化需求。目前，VideoTube 提供免费试用，未来将推出付费计划以解锁更多高级功能。

Edits 是一款由 Instagram 推出的免费视频编辑应用，专为创作者设计，支持高清导出和多平台分享，帮助用户轻松创作高质量视频。

Edits 是 Instagram 推出的视频创作应用，专为创作者设计。它集成了多种强大的视频编辑工具，支持单帧精度编辑、AI 动画、绿幕背景替换等功能，能够帮助创作者快速将创意转化为高质量视频。该应用支持无水印导出，并可直接分享到 Instagram 等平台。其主要优点是操作简单、功能强大且完全免费，适合各类创作者。

Whisper Turbo 是一款免费在线快速准确的语音识别工具。

Whisper Turbo 是基于 Whisper Large-v3 模型优化的语音识别工具，专为快速语音转录而设计。它利用先进的 AI 技术，能够高效地将不同音频源的语音转换为文本，支持多种语言和口音。该工具免费提供给用户，旨在帮助人们节省时间和精力，提高工作效率。其主要面向需要快速准确转录语音内容的用户，如博主、内容创作者、企业等，为他们提供便捷的语音转文字解决方案。

PaSa 是一个由大语言模型驱动的先进学术论文搜索代理，能够自主决策并获取准确结果。

PaSa 是由字节跳动开发的一种先进学术论文搜索代理，基于大语言模型（LLM）技术，能够自主调用搜索工具、阅读论文并筛选相关参考文献，以获取复杂学术查询的全面准确结果。该技术通过强化学习优化，使用合成数据集 AutoScholarQuery 进行训练，并在真实世界查询数据集 RealScholarQuery 上表现出色，显著优于传统搜索引擎和基于 GPT 的方法。PaSa 的主要优势在于其高召回率和精准率，能够为研究人员提供更高效的学术搜索体验。

为视频提供高精度字幕的AI工具，支持多种语言和格式。

Captioner是一个专注于视频字幕生成的AI工具，基于OpenAI的Whisper模型优化，能够为视频提供高精度的字幕。它支持98种以上语言，能够处理长达3小时的视频，并提供无缝的字幕编辑体验。该工具的主要优点包括高精度转录、精确的时间戳对齐、支持多种字幕格式（如SRT、VTT）以及无缝的字幕编辑功能。其背景是为内容创作者提供高效、低成本的字幕解决方案，帮助他们节省时间并提升内容质量。提供两种付费计划：$10/月（年付）和$20/月（月付），并提供60分钟的免费试用。

一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。

RealtimeSTT是一个开源的语音识别模型，能够实时将语音转换为文本。它使用了先进的语音活动检测技术，可以自动检测语音的开始和结束，无需手动操作。此外，它还支持唤醒词激活功能，用户可以通过说出特定的唤醒词来启动语音识别。该模型具有低延迟、高效率的特点，适合需要实时语音转录的应用场景，如语音助手、会议记录等。它基于Python开发，易于集成和使用，且在GitHub上开源，社区活跃，不断有新的更新和改进。