浏览量：152
转录音视频为文本或字幕
ListenRobo是一个语音转文本的工具，能够将英语音频转换为文本，提供免费下载不带水印的txt、srt和vtt格式字幕。它快速准确，支持92种语言，可以生成英语翻译，还提供文本摘要和智能翻译功能。
AI语音转文字，支持143种语言
DenoLyrics是一个基于人工智能模型的网络应用，支持143种语言，无论音频速度快慢。它可以将音频转换为文字，并提供实时的语音转录服务。我们的团队使用最先进的技术，为您提供高质量的转录体验。DenoLyrics还支持文本字幕、文本摘要和多语言翻译等功能。欢迎免费试用！
一款高质量的英语自动语音识别模型，支持标点符号和时间戳预测。
parakeet-tdt-0.6b-v2 是一个 600 百万参数的自动语音识别（ASR）模型，旨在实现高质量的英语转录，具有准确的时间戳预测和自动标点符号、大小写支持。该模型基于 FastConformer 架构，能够高效地处理长达 24 分钟的音频片段，适合开发者、研究人员和各行业应用。
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。
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。
Orate 是一个专注于语音的 AI 工具包，支持文本转语音、语音转文本等功能。
Orate 是一个强大的 AI 语音工具包，能够将文本转换为逼真的语音，也可以将语音转换为文本，支持多种主流 AI 服务提供商。其主要优点是提供了一个统一的 API 接口，方便开发者快速集成和使用。该工具包适用于需要语音交互功能的应用开发，例如智能语音助手、语音播报系统等。其价格和具体定位尚未明确，但从其功能和社区反馈来看，具有较高的实用性和开发价值。
提供视频翻译、配音、语音克隆等服务，助力视频推向多国市场。
SoundView 声动视界是一款专注于视频内容处理的在线平台，通过先进的视频翻译、配音技术和智能脚本生成等功能，帮助用户轻松将视频内容本地化，推向全球市场。其主要优点包括操作简便、翻译精准、配音自然，支持多种语言，满足不同用户的多样化需求。产品定位为视频创作者、企业宣传者以及跨境电商等，旨在提升视频的传播力和影响力，助力业务拓展。目前提供免费试用服务。
一款使用AI技术的字幕生成工具
AI no jimaku gumi 是一款由 INOKI 开发的字幕生成工具，主要功能是通过人工智能技术将视频文件的音频内容转换成字幕。该工具支持多种语言的翻译，用户可以根据需要选择不同的翻译引擎和字幕格式。其主要优点是能够大幅提高视频翻译的效率和准确性，特别适合需要快速生成字幕的视频制作人员和翻译工作者。该工具是开源的，用户可以根据自己的需求进行定制和扩展，具有很高的灵活性和可扩展性。
快速部署会说话的AI代理
ElevenLabs Conversational AI是一款能够快速部署在网页、移动设备或电话上的语音代理产品。它以低延迟、全配置性和无缝扩展性为特点，支持自然对话中的轮流发言和打断处理，适用于嘈杂环境中的不可预测对话。产品结合了语音转文本、大型语言模型（LLM）和文本转语音技术，支持多语言和自定义声音，适用于客户支持、调度、外呼销售等多种场景。
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。
提升AI模型响应质量的开发者控制台
Anthropic Console是一个开发者控制台，它通过引入改进提示和直接管理示例的功能，帮助开发者利用先进的提示工程技术来优化AI模型的响应。该控制台支持链式思考、示例标准化、示例增强、重写和预填充等功能，以提高AI模型的准确性和可靠性。Anthropic Console的背景是随着AI技术的发展，对于更高效、准确的AI应用需求的增加，特别是在多标签分类测试和文本摘要任务中，通过使用Anthropic Console，可以显著提高模型的准确性和输出的字数控制。
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。
全能AI摘要生成器，快速生成文本、PDF、视频摘要。
AI Summarizer是一个强大的AI摘要生成器，支持文本、PDF、视频等多种格式的摘要生成。它通过先进的算法提取关键信息，帮助用户快速理解内容要点，提升工作和学习效率。产品支持超过50种语言，保障用户隐私，不存储任何上传文件，并提供免费的Chrome扩展插件，方便用户随时随地使用。
会议语音转文本并自动生成摘要的AI工具
AI-Powered Meeting Summarizer是一个基于Gradio的网站应用，能够将会议录音转换为文本，并使用whisper.cpp进行音频到文本的转换，以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。
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。
AI视频剪辑工具，提升视频质量，增强创作体验。
开拍是一款利用人工智能技术提供视频剪辑服务的在线平台，通过AI算法优化视频画质、消除水印、自动生成字幕等，旨在帮助用户提升视频制作效率和质量。产品背景信息显示，开拍致力于解决视频创作过程中的常见问题，如画质不清晰、水印去除困难、字幕添加繁琐等，通过技术手段简化视频编辑流程，让视频创作更便捷、高效。
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。
一站式AI视频解说和自动剪辑工具
NarratoAI是一个利用AI大模型，一键解说并剪辑视频的工具。它提供了剧本编写、自动视频剪辑、配音和字幕生成的一站式解决方案，由LLM驱动，以提高内容创作的效率。
上传音频文件，轻松进行对话分析。
Audio Chat是一个专注于音频文件处理的网站，它允许用户上传讲座、会议或面试等音频文件，并进行对话分析。该产品通过先进的音频处理技术，帮助用户快速获取对话内容的要点，提高学习和工作效率。
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。
AI写作助手，快速生成学术论文和文档
EduWiz.AI是一个免费的AI写作助手工具，专为学生、教师、作家和市场营销人员设计，提供一系列写作辅助功能。它通过AI技术帮助用户快速生成论文、文章和其他文档，提升写作效率和质量。产品背景信息显示，EduWiz.AI被全球超过10万名学生信赖，平均评分高达4.9分，强调其在学术写作领域的专业性和可靠性。
将语音转化为强大的内容
Speech to Note是一个AI驱动的语音识别工具，能够即时将口语转换为文本。它使用先进的语音转文本技术，将您的语音转换成可以编辑或分享的简洁摘要。该产品由GPT-4技术支持，旨在提升生产力并释放创造力。
大型视频-语言模型，提供视觉问答和视频字幕生成。
VideoLLaMA2-7B是由DAMO-NLP-SG团队开发的多模态大型语言模型，专注于视频内容的理解和生成。该模型在视觉问答和视频字幕生成方面具有显著的性能，能够处理复杂的视频内容，并生成准确、自然的语言描述。它在空间-时间建模和音频理解方面进行了优化，为视频内容的智能分析和处理提供了强大的支持。
美图AI视频短片创作工具，简化视频制作流程。
Moki是美图公司推出的AI短片创作工具，专注于辅助视频创作者打造动画短片、网文短剧、故事绘本和音乐视频（MV）。基于美图自研的奇想智能大模型（MiracleVision），通过智能剪辑、自动配乐、音效添加和字幕生成等功能，大幅简化视频制作流程，提高创作效率。MOKI深度理解创作者需求，实现内容和成本的双重可控，让视频创作变得更加简单和高效。
开源字幕生成工具，实现内容无缝翻译。
subtitle是一个开源的字幕生成工具，利用先进的机器学习技术，为用户提供准确且自然的声音字幕。它支持多种语言，易于集成到现有的工作流程中，并允许用户在自己的服务器上自托管，增强控制权和隐私保护。
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。
右键菜单添加“摘要”选项，使用最新的OpenAI GPT-4o或Google Gemini生成文本摘要
这个Chrome插件为选定的文本添加了一个右键菜单选项。点击“摘要”后，插件会重定向到ChatGPT或Google Bard，并将选定的文本输入到AI引擎中发起请求。这样，您只需阅读简短的摘要内容，大大方便您的阅读。您可以在设置中进行以下操作：启用ChatGPT右键菜单摘要、启用Google Bard右键菜单摘要、设置摘要文本的长度（一行、一段、两段或三段）。此外，与“PI Prompts”免费扩展配合使用，效果更佳，可以在ChatGPT或Google Bard中添加右侧面板，以访问您的提示库。
© 2025 AIbase 备案号：闽ICP备08105208号-14