产品库

强大的AI音频API，提升项目互动性。

ElevenLabs AI音频API提供了高质量的语音合成服务，支持多种语言，适用于聊天机器人、代理、网站、应用程序等，具有低延迟和高响应速度。该API支持企业级需求，确保数据安全，符合SOC2和GDPR合规性。

阿里云推出的大型音频语言模型

Qwen2-Audio是由阿里云提出的大型音频语言模型，能够接受各种音频信号输入，并根据语音指令进行音频分析或直接文本回复。该模型支持两种不同的音频交互模式：语音聊天和音频分析。它在13个标准基准测试中表现出色，包括自动语音识别、语音到文本翻译、语音情感识别等。

在线文本转语音工具，支持多语言和自然发音。

TTSynth.com是一个免费的在线文本转语音(TTS)生成器，它使用先进的AI技术将书面文本转换为自然发音的语音。该服务支持多种语言和口音，适用于全球用户。它提供了高质量的音频输出，并且用户可以轻松下载TTS MP3文件。TTS技术在教育、营销、无障碍解决方案等多个领域都有广泛的应用。

多语种语音理解模型，提供高精度语音识别与情感识别。

SenseVoice是一个包含自动语音识别(ASR)、语音语言识别(LID)、语音情感识别(SER)和音频事件检测(AED)等多语音理解能力的语音基础模型。它专注于高精度多语种语音识别、语音情感识别和音频事件检测，支持超过50种语言，识别性能超越Whisper模型。模型采用非自回归端到端框架，推理延迟极低，是实时语音处理的理想选择。

领先的文本到语音转换模型

Fish Speech V1.2是一款基于300,000小时的英语、中文和日语音频数据训练而成的文本到语音（TTS）模型。该模型代表了语音合成技术的最新进展，能够提供高质量的语音输出，适用于多种语言环境。

在线文本转语音平台，AI配音神器。

TTSMaker是一款在线的文本转语音平台，通过AI人工智能算法将文本轻松转换成音频。它支持50多种语言和300多个语音包风格，适用于视频配音、有声读物、教育培训和产品营销等多种场景。用户可以免费使用TTSMaker合成语音，并且拥有合成的音频文件的100%版权，可以用于任何合法的商业用途。

自然对话场景下的文字转语音模型

ChatTTS是一个为对话场景设计的声音生成模型，特别适用于大型语言模型助手的对话任务，以及对话式音频和视频介绍等应用。它支持中英文，通过使用约10万小时的中英文数据训练，展现出高质量和自然度的语音合成能力。

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。

Wavve AI是一款记录、转录、总结和生成内容的终极解决方案。

Wavve AI利用先进的人工智能技术，包括OpenAI的Whisper等音频模型，高效准确地转录、总结和处理您的录音。它可以将语音笔记转换为易读的文本摘要，适用于制作会议记录、备忘录、电子邮件、文章等。Wavve AI还可以生成社交媒体帖子、会议纪要等内容，让您无需费力编辑完美的文章。它支持多种语言，具有无缝集成、导出到各种格式、长篇编辑等功能。

学习外语看海外剧集的浏览器字幕翻译工具

NewTranx Subtitler是一款浏览器插件，通过实时语音识别和AI翻译技术，能够快速将视频的语音内容识别并翻译为双语字幕。支持130多种语言和方言的识别和翻译。用户可以导出字幕和音频，支持在线编辑。可用于学习、观影等场景。

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。

创建逼真的文本转语音和旁白视频

Narakeet是一个在线工具，允许用户轻松创建逼真的文本转语音和旁白视频。它提供了多种语言和声音选择，支持多种文件格式上传，并允许用户自定义音量、速度和输出格式。Narakeet的定价模式为一次性支付，无需订阅，适合商业用户和需要大量音频文件的用户。

Stability AI 高保真文本转语音模型

Stability AI 高保真文本转语音模型旨在提供对大规模数据集进行训练的语音合成模型的自然语言引导。它通过标注不同的说话者身份、风格和录音条件来进行自然语言引导。然后将此方法应用于45000小时的数据集，用于训练语音语言模型。此外，该模型提出了提高音频保真度的简单方法，尽管完全依赖于发现的数据，但在很大程度上表现出色。

VocBot Turbo 是一个高效的语音转文字工具

VocBot Turbo 是一个高效的语音转文字工具，可以快速将语音内容转换为文字，支持多种语言和音频格式，提供准确的识别结果。VocBot Turbo具有高度的准确性和灵活性，适用于各种场景，包括会议记录、语音转写、语音搜索等。它还具有用户友好的界面和简单易用的操作，使您可以轻松地进行语音转文字。

用先进的人工智能视频翻译打破语言障碍。

HitPaw Online AI Video Translator是一款先进的AI视频翻译服务，支持多种语言选择，使您的视频内容能够触达全球观众。同时，它还提供语音转文字和文字转语音的在线工具，能够准确地将音频转录为多种语言。产品还包含多项AI功能，如语音克隆、唇语同步、自动生成字幕、AI视频生成器、实时语音变换等。通过自动将视频翻译成多种语言，HitPaw Online AI Video Translator能够帮助视频内容快速、高效、经济地触达全球受众。

转换任何文本为美丽的音频

Peech是一款文本转语音工具，可将任何网络文章、电子书或其他文本转换为引人入胜的有声读物。无论您是有阅读障碍、注意力不集中、视觉障碍，还是只想听而不想读，都可以使用Peech将文本转换为音频。同时，Peech还提供多种语言支持，智能选择合适的语音角色，支持多种输入格式，并能分析内容选择合适的语音。无论是个人使用还是出版商，Peech都能将文字转换为引人入胜的有声读物。

免费语音转文字和视频字幕

CreateEasily可以快速、准确地将英语音频转换为字幕和文本转录。支持56种语言，最大文件限制为2GB。完全免费使用。

转录任何语音、音频、视频到文字

Voicetapp是一个强大的基于云端的人工智能软件，通过最新的语音识别技术，帮助您将任何语音、音频和视频自动转换为文字。具备高达99%的准确度。支持170种语言和方言。具备演讲者识别、实时转录、多种音频输入格式等功能。提供不同的定价计划。

Meta旗下AI音频生成研究

Audiobox是Meta的新一代音频生成研究模型，可以利用语音输入和自然语言文本提示生成声音和音效，轻松为各种用例创建定制音频。Audiobox系列模型还包括专业模型Audiobox Speech和Audiobox Sound，所有Audiobox模型都是基于共享的自监督模型Audiobox SSL构建的。

转换和翻译 YouTube 视频中的声音

TurnVoice 是一个命令行工具，可以转换和翻译 YouTube 视频中的声音。它提供了语音转换和语音翻译的功能，可以替换特定的发言人声音，支持本地文件处理，并保留原始背景音频。该工具使用了多个语音合成引擎，并支持多种语言。TurnVoice 适用于各种场景，如创意视频制作、语音翻译等。该产品目前处于开发阶段，支持的功能和定价等详细信息请参考官方网站。

语音备忘录转文字

使用先进的人工智能技术，将语音备忘录转录为文字。该应用能够轻松处理大型音频录音并生成准确的转录。支持离线转录，所有数据在设备上进行处理。免费功能包括：轻松录制和转录音频文件、无需互联网进行转录、所有数据在设备上处理、即时获取转录结果、自动检测语言、支持 5 个转录结果，界面简单易用，支持后台录制和分享转录结果至邮件和其他应用。Pro 功能包括无限次转录结果生成。立即下载！

将语音转为文本的桌面应用

GPT4Audio是一款基于人工智能的语音转文字桌面应用程序。它旨在提高您的工作效率，让您的生活更轻松。该应用程序可以将音频文件转录为文本，并支持多种语言的翻译。您还可以通过麦克风进行口述，并实时生成文本和音频录音。GPT4Audio具有直观易用的界面和强大的功能，可满足您的各种语音转文字需求。定价请访问官方网站获取详细信息。

通用语音识别模型

Whisper 是一个通用的语音识别模型。它经过大量多样化音频的训练，并且是一个多任务模型，可以进行多语言语音识别、语音翻译和语种识别。

将音频转换为样式化文本

AdutorAI将音频根据您选择的模板转换为样式化文本。不论您是想撰写电子邮件、创建社交媒体帖子还是编写任何其他文字内容，这款应用都能简化流程。您可以选择各种样式模板，确保您的文本看起来完全符合您的要求。该应用支持您所需的任何语言，并提供实用工具，如摘要、翻译和文本长度调整，使其成为将您的语音转换为结构良好、精心编排的文本的多功能高效解决方案。

精准的 AI 视频字幕识别和字幕翻译软件

33 字幕是一款精准的 AI 视频字幕识别和字幕翻译软件。它可以将音频、视频转换成文本或 SRT 字幕文件，并支持字幕翻译成其他语言。它使用优化后的 Whisper AI 语音转写模型，准确度接近人类水平。集成多种 AI 翻译引擎，支持 ChatGPT、DeepL、微软、百度等翻译接口。它还提供高效易用的可视化字幕编辑器，支持字幕摘要和预提取人声功能。33 字幕支持英语、日语、韩语、法语、泰语等 50 多种语言。

将文本转换为逼真的语音

OpenAI TTS提供文本到语音的API，基于他们的TTS模型。它带有6种内置语音，可用于朗读博客文章、在多种语言中生成口语音频以及使用流式传输实时音频输出。用户可以通过控制模型名称、文本和语音选择来生成音频文件，并且支持多种音频输出格式。

AI语音转文字

Scribewave是一款AI语音转文字工具，可以轻松将音频和视频文件转录、加字幕和字幕，具有99%的准确率。支持90多种语言，包括英语、荷兰语、法语、德语、西班牙语等。可以无限导出到Word、SRT、VTT、TXT等常用格式。免费试用，付费用户可以使用更多功能。适用于学术研究、媒体制作、法律文书等多个行业。

AI语音和视频生成

Listnr AI是一款由AI驱动的语音和视频生成工具。它提供900多种语音和142种语言选择，可以生成逼真的语音和视频内容。用户可以免费开始使用，并在需要时选择付费计划。Listnr AI适用于各种场景，包括生成视频、创建语音广告、制作音频文章、播客制作等。它提供透明的定价，用户可以根据自己的需求选择合适的付费计划。

基于自然语言查询的开放领域音频源分离模型

AudioSep是一种基于自然语言查询的开放领域音频源分离模型。它由文本编码器和分离模型两个关键组件组成。我们在大规模多模态数据集上训练AudioSep，并在许多任务上广泛评估其能力，包括音频事件分离、乐器分离和语音增强。AudioSep表现出强大的分离性能和令人印象深刻的零样本泛化能力，使用音频标题或文本标签作为查询，大大优于以前的音频查询和语言查询声音分离模型。为了保证本工作的可重复性，我们将发布源代码、评估基准和预训练模型。

无限语言沟通

Speechless 是一款基于 OpenAI 的 Whisper API 的终极应用，提供无缝的音频转录和翻译功能。通过 Speechless，您可以轻松导入音频并即时获取准确的转录。通过实时翻译打破语言障碍，轻松分享您的转录内容，实现无与伦比的连接和沟通。Speechless 支持 WhatsApp、语音备忘录等应用，让您轻松转录或翻译音频。