产品库

语音转文字,支持实时语音识别、录音文件识别等

腾讯云语音识别(ASR)为开发者提供语音转文字服务的最佳体验。语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求。技术先进,性价比高,多语种支持,适用于客服、会议、法庭等多场景。

实时在任何平台上用您的语言与世界交流！

TransLinguist是一款远程口译产品，通过语音识别和自动翻译技术，在各种语言之间进行实时口译。它提供高质量的远程口译服务，帮助用户在会议、培训、演讲和其他活动中消除语言障碍。TransLinguist的主要优点是节省成本、增加观众参与度，并且提供安全可靠的语言服务。

实时语音翻译APP

speakSync是一个基于人工智能的实时语音翻译APP。它能够实现多种语言之间的即时翻译,支持语音转文本和文本转语音,采用了OpenAI的Whisper和GPT模型,实现了流畅准确的翻译效果。该APP专为旅行者、商务人士和语言学习者设计,简化了翻译流程,创建无障碍的跨语言交流环境。

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。

您的贴身翻译助手，实现高速高精度翻译。

Felo实时翻译是一款应用最新AI技术，提供实时语音翻译服务的应用程序。它通过GPT技术实现高速和高精度的翻译，支持实时转录语音并识别语种，将语音转录为文字并翻译成多种语言，满足国际交流的需求。产品具有朗读支持、语音转录、本地保存和多语言支持等功能，为用户提供了便捷高效的翻译体验。

实时语音翻译，跨语言沟通的桥梁。

StreamSpeech是一款基于多任务学习的实时语音到语音翻译模型。它通过统一框架同时学习翻译和同步策略，有效识别流式语音输入中的翻译时机，实现高质量的实时通信体验。该模型在CVSS基准测试中取得了领先的性能，并能提供低延迟的中间结果，如ASR或翻译结果。

实时语音翻译，打破语言障碍

Interpre-X 是一款实时语音翻译工具，支持10多种语言，帮助用户在任何地方打破语言障碍。通过最先进的人工智能技术，提供语音到语音、语音到文字、文字到语音和文字到文字的翻译服务。无需额外设备，只需良好的网络连接即可使用。Interpre-X 提供高质量的翻译，以自然、人类质量的声音和准确的口音进行播放。适用于社交、旅行、观看电视、学习语言以及与不同语言的朋友交流等场景。现已推出beta版，欢迎试用。

实时语音翻译，支持数十种语言，无需人工口译员，适用于多场景。

Langless是一款实时语音翻译工具，为跨语言沟通的专业人士和团队打造。其重要性在于打破语言障碍，实现高效沟通。主要优点包括无需人工口译员、实时翻译、支持多种语言、保护隐私等。产品背景是满足人们在工作、会议、日常生活等场景下的跨语言交流需求。价格方面，套餐每月25美元起，外加AI分钟费用（每分钟约0.03美元起，使用自己的密钥无加价），还有免费试用和免费访客模式。定位为提供便捷、高效、经济的实时语音翻译服务。

实时语音翻译，连接全球人们，畅享无障碍沟通。

SpeakShift是一款实时语音翻译产品，通过连接全球人们，打破语言障碍。用户可以在SpeakShift上进行实时语音翻译，实现无缝沟通。SpeakShift的主要功能包括语音识别、翻译、语音合成等。其优势在于高精度的翻译效果和快速的响应速度。SpeakShift提供不同的定价方案供用户选择，并且适用于各种场景，包括旅行、商务、教育等。使用SpeakShift，用户可以轻松地与世界各地的人交流，打破语言壁垒。

智能眼镜，集成AI、实时翻译和音乐识别功能

Ray-Ban Meta Glasses是Meta公司推出的一款智能眼镜，它通过集成最新的软件更新，提供了包括实时AI、实时翻译和Shazam音乐识别在内的多种功能。这款眼镜允许用户完全无需动手，就能体验世界、分享个人视角和捕捉重要时刻。产品背景信息显示，Ray-Ban Meta Glasses通过定期的软件更新不断增强功能，使其变得更加智能和有用。

全能AI助手，提供语音识别、字幕翻译、文档速读等功能

通义是一款集成了语音识别、实时字幕翻译、智能总结等功能的浏览器插件，旨在提高用户在网课、追剧追番、线上会议等场景下的效率。它通过AI技术，帮助用户快速记录、转写、翻译和总结网页内容，特别适合需要处理大量信息的用户。产品背景基于当前信息爆炸的时代，用户需要更高效的工具来管理、理解和消化信息。目前产品提供免费试用，具体价格和定位根据用户需求而定。

实时语音翻译，打破语言沟通障碍。

tuwa.ai 是一款 AI 驱动的实时语音翻译服务，能够实现 100 多种语言之间的无缝沟通。用户可以通过拨打热线电话，与不同语言的通话对象进行对话，而不需要对方下载任何应用。该服务具备超低延迟，保证自然对话体验。提供每月 5 分钟的免费试用，不需要信用卡，适合全球用户。

提供语音识别、语音合成等语音AI能力

依图语音开放平台为开发者提供语音识别、语音合成等语音AI能力,包括精准语音转文本、文本转语音合成、声纹识别、语音增强降噪等服务,支持不同场景下的语音交互应用开发。平台提供高效、灵活的语音AI能力接入方式,可轻松将语音技术应用于各类产品与业务场景。

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。

一款免费的 AI 双语翻译工具，支持多种格式的实时翻译。

Transor 是一款专业的 AI 翻译工具，致力于打破语言障碍，帮助用户实时翻译网页、文档、视频字幕等。凭借其先进的 AI 技术，Transor 提供高精度的翻译服务，适合各种用户群体。注册用户可免费使用，并可在多个平台上使用该工具，包括网页版、插件和移动应用，极大地提升了用户的翻译体验和效率。

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。

实时翻译器，捕捉来自WINDOWS扬声器和麦克风的任何音频

Hanami Live Translator是一个实时翻译器，可以捕捉来自WINDOWS扬声器和麦克风的任何音频。它使用轻量级多进程和分块处理音频，每个块处理时间约为3-5秒。该应用程序通过低级访问创建硬件回环，即使扬声器静音，也可以监听内容。它使用soundcard库捕获音频信号，SpeechRecognition库将二进制音频转换为文本，selenium库模拟deepl服务器的网络调用进行免费翻译。该应用程序需要与互联网连接才能运行，并通过Traces.log文件记录所有操作。

实时AI语音翻译与实时字幕，适用于直播、游戏和会议，即插即用。

HaloVoice是一款专注于实时语音翻译和实时字幕的桌面客户端软件。其背景是为了解决全球用户在直播、游戏和会议等场景中的语言沟通障碍问题。它的主要优点在于低延迟的实时翻译，能确保流畅沟通；支持多平台集成，方便用户在常用软件中使用；具备先进的噪音消除和音频处理技术，提供清晰音质。价格方面，有免费版可一分钟内开始使用实时字幕和翻译，专业版每月9.9美元，企业版支持定制。整体定位是为全球用户提供高效、便捷的语音翻译解决方案。

实时浏览器端语音识别应用

Moonshine Web是一个基于React和Vite构建的简单应用，它运行了Moonshine Base，这是一个针对快速准确自动语音识别（ASR）优化的强大语音识别模型，适用于资源受限的设备。该应用在浏览器端本地运行，使用Transformers.js和WebGPU加速（或WASM作为备选）。它的重要性在于能够为用户提供一个无需服务器即可在本地进行语音识别的解决方案，这对于需要快速处理语音数据的应用场景尤为重要。

实时打字翻译软件，支持语音输入和多平台

Real-time-translation-typing 是一款集成了实时打字翻译、语音实时打字和翻译、LOL 语音打字功能的软件。它通过AutoHotkey技术实现，支持多种翻译API，如搜狗、百度、有道等，为用户提供了高效、便捷的翻译体验。软件适用于需要快速翻译文本和语音的商务人士、学生和游戏玩家。

DuRT 是一款 macOS 上的实时语音识别和翻译软件，致力于提供高效、准确的语音处理服务。

DuRT 是一款专注于 macOS 系统的语音识别和翻译工具。它通过本地 AI 模型和系统服务实现语音的实时识别与翻译，支持多种语音识别方法，提高了识别的准确度和语言支持范围。该产品以悬浮框形式展示结果，方便用户在使用过程中快速获取信息。其主要优点包括高准确度、隐私保护（不收集用户信息）以及便捷的操作体验。DuRT 定位为一款高效生产力工具，旨在帮助用户在多语言环境下更高效地进行沟通和工作。目前产品可在 Mac App Store 下载，具体价格未在页面中明确提及。

实时语音翻译器，支持60+语言，用于会议、活动、直播，可免费试用。

Palabra.ai是一款基于AI技术的实时语音翻译工具。其重要性在于打破语言障碍，让不同语言的人能够顺畅交流。主要优点包括支持60多种语言、实时翻译、适用于多种场景（如会议、活动、直播等）。产品背景未提及。价格方面可免费试用。定位是满足跨语言交流需求的高效翻译工具。

语音克隆翻译应用

idict是一款提供137种语言实时翻译、物体检测、照片翻译和文本翻译的应用。它可以帮助用户消除语言障碍，随时随地与他人进行沟通。

ViiTor Translate实时语音翻译，让沟通无国界，支持多场景多平台。

ViiTor Translate由ViiTor自研音频模型驱动，围绕实时音频场景设计完整链路。其重要性在于打破语言障碍，让人们能自由与世界交流。主要优点包括实时语音识别、场景化翻译、内容沉淀等，能适配直播、会议、课程等多种真实场景，减少语言障碍带来的沟通成本与理解误差。产品定位为帮助用户在高频外语理解场景中轻松理解外语内容，价格信息未提及。

实时语音转文字与翻译应用

babelfish.ai 是一个基于浏览器的实时语音转文字和翻译应用。它利用 Huggingface Transformer.js 和 Supabase Realtime 技术，实现了本地化的实时语音识别和多语言翻译功能。该应用支持将语音实时转换为文本，并能将文本翻译成200种语言，极大地提高了跨语言沟通的效率和便捷性。

智能语音旗舰应用，无障碍语言记录与交流。

汉王语音王App是汉王科技基于自研多模态天地大模型，自主研发的智能语音旗舰应用。它集AI语音记录、智能翻译与同声传译于一体，支持AI精准转写、拍录同步、话稿整理、智能总结及不间断实时翻译等功能。依托全栈AI技术，汉王语音王致力于帮助用户跨越语言障碍，提高办公、学习、会议、旅游等场景的效率和便捷性。

用于全球协作的实时语音翻译

DeepL Voice是一款提供即时、安全的语音翻译产品，旨在帮助全球团队打破语言障碍，实现无缝沟通。它利用先进的人工智能技术，提供高质量的语音翻译服务，支持多种语言，并集成到多种平台中，如Microsoft Teams。DeepL Voice的主要优点包括低延迟、高性能的翻译，无与伦比的翻译质量，以及以安全为核心的设计理念。

实时AI语音翻译器，支持78种语言同声传译与字幕，浏览器即用。

LiveTranslate 是一款基于浏览器、无需安装的实时 AI 语音翻译产品，核心采用 Google Gemini 实时语音模型，实现“边说边译”的语音到语音（speech-to-speech）同声传译，而非传统翻译 App 的“你说完我再译”的轮替模式。它能在说话人讲话的同时，将源语言自动检测（支持 78 种语言，中途切换语言也能连续识别）并翻译成自然流畅的目标语言语音，同时保留原说话人的语调、节奏与音高，语速随说话人情绪变化，接近真人同声传译的体验。产品还提供并排实时字幕（原文左、译文右）与自动文字记录。其最大创新在于“听众扫码即听”：创建 Live Session 后生成二维码，听众用任意浏览器扫码、选语言即可用自己手机收听母语翻译，无需安装 App 或注册账号，可支持多达 150 名听众。背景上，它由 Newkline Co., Ltd. 推出，并另有同名 iOS App（含免费额度与会员订阅）。定位方面，它直接对标专业真人同传（通常 150–300 美元/小时/语种，且需提前数周预订、租赁同传箱与耳机），而 LiveTranslate 按小时包计费，1 小时起仅 19 美元、不限语种与听众，大包可低至约 10 美元/小时，且无自动续费。整体定位为“人人可用的实时多语沟通基础设施”，显著降低跨语言会议、活动与日常沟通的成本与技术门槛。

一款基于多模态模型的语音翻译产品，支持近100种语言的自动语音识别、语音翻译、文本翻译、语音合成等功能。

SeamlessM4T是一款基于多模态模型的语音翻译产品，支持近100种语言的自动语音识别、语音翻译、文本翻译、语音合成等功能。该产品采用了全新的多任务UnitY模型架构，能够直接生成翻译文本和语音。SeamlessM4T的自我监督语音编码器w2v-BERT 2.0通过分析数百万小时的多语言语音，学习如何在语音中找到结构和意义。该产品还提供了SONAR、SpeechLASER等多语言语音和文本数据集，以及fairseq2等序列建模工具包。SeamlessM4T的发布，标志着AI技术在实现语音翻译方面取得了重大突破。

一款强大的移动端翻译软件，支持多种语言翻译。

疯狂翻译师是一款提供实时翻译服务的移动端软件，支持文字、图片、文档和视频翻译，覆盖200+语种，帮助用户跨越语言障碍，提升翻译效率，适用于国际交流、学习、工作等多种场景。