产品库

音频转文本

Transcriptmate是一个在线音频转文本的服务。它可以将长达3小时的录音文件转换成文本文件，并在2小时内通过电子邮件发送给您。转换结果可以以csv、srt、txt等多种格式保存。Transcriptmate支持多种语言，无需订阅或承诺，安全支付。推荐的价格为6美元/文件。

你的工具，一站式解决方案

TheToolBus.ai是一个拥有50多个AI驱动/数字工具的库，旨在帮助您简化日常任务并提高工作效率。它包括PDF转TXT转换器、URL转PDF工具、压缩PDF文件大小、时区转换器、图像背景去除工具、音频转文本转换器、电子邮件验证器、贷款计算器等等。不仅提供免费工具，还有付费工具，满足各种需求。

音频转文本工具

Recos是一个音频转文本的网站工具。它使用OpenAI的Whisper API，提供稳定的、高效的音频转文本服务。支持多种常见音频格式，保证用户的隐私安全。用户可以使用自己的OpenAI API密钥，也可以登录使用积分。每个积分可以转换一分钟的音频。

你的工具，一站搞定！

TheToolBus.ai是一个拥有50多个AI驱动/数字工具的库，旨在帮助您简化日常任务并提高工作效率。它包括PDF转TXT工具、URL转PDF工具、压缩PDF文件大小工具、时区转换器、图片背景移除工具、音频转文本工具等。您可以根据您的需求选择适合您的工具。TheToolBus.ai定期更新工具，以应对不断变化的数字时代需求。

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。

大型视频语言模型，提供视觉问答和视频字幕生成。

VideoLLaMA2-7B-Base 是由 DAMO-NLP-SG 开发的大型视频语言模型，专注于视频内容的理解与生成。该模型在视觉问答和视频字幕生成方面展现出卓越的性能，通过先进的空间时间建模和音频理解能力，为用户提供了一种新的视频内容分析工具。它基于 Transformer 架构，能够处理多模态数据，结合文本和视觉信息，生成准确且富有洞察力的输出。

大型视频语言模型，用于视觉问答和视频字幕生成。

VideoLLaMA2-7B-16F-Base是由DAMO-NLP-SG团队开发的大型视频语言模型，专注于视频问答（Visual Question Answering）和视频字幕生成。该模型结合了先进的空间-时间建模和音频理解能力，为多模态视频内容分析提供了强大的支持。它在视觉问答和视频字幕生成任务上展现出卓越的性能，能够处理复杂的视频内容并生成准确的描述和答案。

视频理解领域的先进空间-时间建模与音频理解模型。

VideoLLaMA 2 是一个针对视频理解任务优化的大规模语言模型，它通过先进的空间-时间建模和音频理解能力，提升了对视频内容的解析和理解。该模型在多选视频问答和视频字幕生成等任务上展现了卓越的性能。

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。

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。

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。

一键将长视频转换为社交媒体短视频的工具。

reap是一款基于人工智能的视频再利用工具，它能够将长视频内容一键转换成适合社交媒体的短视频。它通过先进的AI分析自动提取视频中最吸引人的片段，生成能够吸引观众的短片。reap支持多种语言，并提供了智能字幕生成、品牌模板定制等功能，帮助内容创作者提高内容的吸引力和可访问性，加速增长和变现。

Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。

Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。

提高信息处理效率，快速获取关键信息的智能助手

Maimo是一款旨在提升信息处理效率的智能助手，它通过先进的技术帮助用户从日常内容源中快速提取关键信息，包括电话会议记录、财务报告、网页等。Maimo的主要优点在于它的高效率和易用性，用户无需逐行扫描文本，即可通过简单的问答形式检索数据。此外，Maimo还支持与日常应用程序的无缝集成，通过Chrome扩展和Telegram连接，使得数据提取和知识管理更加便捷。

AI智能助手，文档快速理解与生成

Adobe Acrobat的AI助手是一个集成在Acrobat中的创新功能，它可以帮助用户通过提问来理解文档内容，快速获取信息并生成内容。这项功能特别适合需要从文档中提取关键信息并快速创建电子邮件、演示文稿、会议记录等的用户。AI助手可以生成文档摘要，提供基于文档内容的建议问题，帮助用户更有效地探索和理解内容。此外，Adobe Acrobat的AI助手遵循Adobe的AI伦理原则，确保用户数据的安全和透明。

创建吸引人的视频，无需编辑技能

EazyCaptions是一个让用户能够创建吸引人的视频的工具，无需编辑技能。它提供了眼球吸引的字幕、音效和B Roll素材，帮助用户制作出专业水准的视频。使用EazyCaptions，您可以节省大量的编辑时间，通过自动AI字幕生成准确的字幕，并自动突出重点词汇和添加表情符号。此外，它还提供了库存素材和快速的调整功能，帮助用户制作更多样化的视频内容。EazyCaptions适用于各种类型的创作者和内容创造者，如博主、教育工作者、评论员、新闻媒体等。定价方案灵活，包括免费试用和付费选项。

AI语音转写与摘要

Stenote是一款AI驱动的语音转写与摘要工具。通过实时转写，精确捕捉每个发言者的声音，将对话转化为易于理解的摘要，提供快速的决策和高效的沟通。具备自动生成章节、关键摘要和会议记录等功能。

利用大模型，一键生成高清短视频

MoneyPrinterTurbo是一款利用大模型生成高清短视频的工具。主要功能包括自动生成视频文案、素材采集、字幕生成、背景音乐添加等，最终一键合成视频。优势在于全自动化、高效率、无版权素材且高清。适合内容创作者、营销人员、个人博主等人群使用，节省大量时间和精力，提高内容产出效率。该项目属于开源免费使用。

视频理解基础模型

VideoPrism是一个通用的视频编码模型,能够在各种视频理解任务上取得领先的性能,包括分类、定位、检索、字幕生成和问答等。其创新点在于预训练的数据集非常大且多样,包含3600万高质量的视频-文本对,以及5.82亿带有嘈杂文本的视频剪辑。预训练采用两阶段策略,先利用对比学习匹配视频和文本,然后预测遮蔽的视频块,充分利用不同的监督信号。一个固定的VideoPrism模型可以直接适配到下游任务,并在30个视频理解基准上刷新状态最优成绩。

将手写笔记转换为Notion页面

Inky Notion是一个将手写笔记转换为Notion页面的工具。用户可以在纸上写下笔记，然后拍照上传，Inky Notion会将手写内容转录成电子文字，并发送到用户的Notion账户。这样用户可以在Notion上进行笔记的组织、搜索和分享。Inky Notion支持各种使用场景，如学习、个人日记、工作会议记录等。它能够帮助用户将纸质笔记转换为电子形式，方便存储、搜索和共享。

免费屏幕录制和AI会议记录，将对话转化为行动

Bubbles是一个免费的屏幕录制和AI会议记录工具，通过使用人工智能将会议转录和总结为行动项，帮助提高会议效率。您还可以使用屏幕录制功能进行异步协作，通过设置定时器为异步会话增加紧迫感和责任感。可以与Zoom、Google Hangouts和Microsoft Teams等平台集成使用。

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。

AIMIX智剪,一站式短视频内容生产工具。

AIMIX智剪是一款集短视频批量剪辑、字幕生成、配音合成等多项功能于一体的短视频内容生产工具。它可以实现智能语音识别、视频脚本设计、快速混剪、字幕制作、配音合成等,大幅提高短视频内容制作效率。关键优势是内容原创性强、支持批量生产、简单易用。定位于需要大量原创短视频内容的个人或机构用户。

自动化你的业务，利用IFTTT的AI工具！

IFTTT AI服务是IFTTT推出的4个人工智能服务，旨在节省您的时间并提高您的工作效率。免费试用IFTTT Pro试用版。AI Social Creator可以生成社交媒体帖子的短内容；AI Content Creator可以生成博客和大纲的长内容；AI Summarizer可以生成博客或会议记录的摘要；AI Prompt可以生成问题或提示的响应。除了这些服务，ChatGPT Plus订阅用户还可以尝试新的IFTTT ChatGPT插件，将自动化提升到一个新的水平。

实时语音翻译,支持100多种语言的会议、通话和聊天

Byrdhouse提供基于AI的实时语音翻译和字幕翻译,支持100多种语言,可用于你的会议、通话和聊天。Byrdhouse让我们不再为实时翻译操心,让你可以专注于与全球团队和国际合作伙伴的沟通协作。通过Byrdhouse,参会者无需笔记就可以投入到对话中。还可以获得不同语言的会议记录和文字记录。Byrdhouse帮助建立一个包容的文化,让每一个人的声音都能被倾听,无论你说什么语言。

bulluga能自动生成会议记录提要

bulluga是一个智能会议记录软件,能够自动生成会议要点和记录提要,从而提高会议效率。它利用强大的AI工具和无缝的协作功能,让您和团队在每一次会议中都能高效工作。bulluga能够自动转录和总结会议录音,生成易于消化的会议记录。它与线下和在线会议都兼容,易于使用并能融入您现有的工作流程。

AI视频制作，自动生成字幕与标签

Captiwiz是一款AI视频制作工具，能够自动生成引人注目的字幕、突出关键词，并在几秒钟内添加音乐和动画表情。其功能包括自动字幕生成、定制选项、自动音效、自动生成描述和标签等。Captiwiz可广泛用于创作者、博主、影响者和健身教练等多个领域。该产品的定位是革新视频编辑的未来。

AI视频和图像处理工具

Cartoonify是一款提供AI视频和图像处理工具的网站，其中包括视频编辑、字幕生成、表情包制作、视频裁剪等功能。其中的Cartoonify项目是一个基于人工智能的图片转换为手绘卡通风格的实验项目，用户可以上传图片并获得卡通风格的输出。由于服务器成本上升，该项目于2023年停止运营，但很多功能已经整合到Cartoonify的主要产品中。