产品库

AI语音转录、翻译和TTS的Gradio Web-UI

Voice-Pro是一个集成的字幕、翻译和文本到语音(TTS)解决方案。它支持将视频添加多语言字幕和多语言音频，助力视频内容扩展到全球市场。该产品使用OpenAI Whisper和开源翻译器及TTS技术，提供一键安装和便携式使用。它还配备了Vocal Remover，使用UVR5和Meta的Demucs引擎，以提高语音识别的准确性。

Whisper加速器,利用GPU加速语音识别

Whisper Turbo旨在成为OpenAI Whisper API的替代品。它由3部分组成:一个兼容层,用于输入不同格式的音频文件并转换为Whisper兼容格式;开发者友好的API,支持一次性推理和流式模式;以及Rust + WebGPU推理框架Rumble,专门用于跨平台快速推理。

双语对照网页翻译插件

沉浸式翻译是一款浏览器插件，可以智能识别网页主内容区进行双语翻译。支持多种格式的文档翻译、PDF 翻译、EPUB 电子书翻译、字幕翻译等功能。支持多种翻译接口选择，提供最丝滑的翻译体验。

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。

浏览器翻译插件，一键翻译网页内容

有道灵动翻译是一款浏览器翻译插件，支持一键翻译网页中的文本、图片和对话框等内容。它提供双语对照翻译，帮助用户更舒适地获取英文信息，并将想法转化为英文。

在线翻译工具

火山翻译是字节跳动旗下的机器翻译品牌，提供在线翻译工具和翻译API。它支持多种语言的翻译，包括通用领域和办公协作等。火山翻译具有智能改写、实用工具多合一、图片翻译、语音同传等功能。用户可以通过网站、小程序和浏览器插件等形态使用火山翻译。

多语种文本翻译工具

必应翻译是一款多语种文本翻译工具，可以帮助用户快速准确地翻译各种语言的文本。它具有简单易用、翻译准确、支持多种语言等优势。该产品提供免费和付费版本，付费版本提供更多高级功能。定位于个人用户和商业用户。

AI翻译，精准匹配译员，母语润色。

有道翻译是网易推出的一款翻译工具，提供文本翻译、文档翻译、AI写作、AI PPT、arXiv论文翻译、网页翻译等多种翻译服务。它通过AI技术，实现快速、准确的翻译，同时支持母语级润色，确保翻译质量。产品背景依托于网易强大的技术实力和丰富的语言资源，旨在为用户提供高效、专业的翻译服务。

一款语音备忘录应用，通过邮件发送语音转写

Whisper Memos是一款基于OpenAI的新技术Whisper开发的应用。它可以记录您的语音并在几分钟后通过电子邮件发送转写内容。它的转写结果非常准确，能够将您的语音备忘录转化为文本。无论是快速的想法、提醒事项还是每日日志，Whisper Memos都能帮助您实现语音备忘的转写。

利用OpenAI的Whisper模型转录YouTube视频

Youtube-Whisper是一个基于Gradio的应用程序，它通过提取YouTube视频的音频并使用OpenAI的Whisper模型来转录成文本。这个工具对于需要将视频内容转化为文本以进行分析、存档或翻译的用户来说非常有用。它利用了最新的人工智能技术，提高了视频内容的可访问性和可用性。

快速准确 稳定可靠的人工智能翻译平台

讯飞智能翻译是一款快速准确、稳定可靠的人工智能翻译平台。支持文档翻译、文本翻译、语音翻译和图片翻译等多种功能。通过23种文档格式的支持，保留原版格式样式和排版，支持文档内图片翻译。覆盖140种语种互译，支持源语言语种自动检测，实现快速翻译。结合讯飞先进的语音识别和翻译技术，满足跨语言的沟通交流。输入图片，即可快速识别图片中的文本内容，进行翻译。提供SaaS、私有化部署和API接口等多种解决方案，满足不同企业的需求。

AI短视频翻译首发，多国语言精修工具

象寄翻译是一款AI短视频翻译工具，支持中英日韩欧美东南亚等多国语言，提供便捷的图片/短视频精修工具，支持API调用，帮助用户轻松打造精品出海内容素材。产品定价灵活，支持包月模式和张数套餐，定位于提供高效精准的翻译服务。

Whisper Web是一个基于GPT的免费在线应用

Whisper Web是一个基于GPT-3的免费在线应用,用户可以通过自然语言提示,生成各种文字内容。它拥有强大的NLP能力,可以帮助用户提高工作效率,同时提供沉浸式的用户体验。该应用旨在创造一个开放、包容的在线社区,让更多用户体验GPT-3的魅力。

免费中文在线Google翻译和GPT翻译工具

AI谷歌翻译是一个提供在线翻译服务的网站，支持中文、英文、日语等多种语言的互译。它采用了先进的翻译模型，如Gemini 1.5和GPT 4.0，能够根据用户选择的领域进行专业翻译，确保翻译的准确性和专业性。该产品背景信息显示，它提供免费的翻译服务，对于200字以内的翻译不收费，适合需要快速、准确翻译的用户。

一款支持多浏览器的高质量翻译插件，提供PDF翻译、学术翻译等多种功能。

北极象沉浸式翻译是一款依托业界专业引擎的翻译插件，支持多种浏览器，提供PDF翻译、学术翻译、沉浸式翻译、整页划词翻译和在线词典等功能。其主要优点是翻译准确度高、速度快，支持多语种，能够满足用户在不同场景下的翻译需求。产品由深圳市象塔科技有限公司开发，目前可在Chrome、Edge、火狐、360安全浏览器等多款浏览器的应用商店下载安装，具体价格未在页面中明确说明，但从页面信息来看，可能存在免费版本。

免费的多语言翻译工具

有道翻译提供免费、快速的多语言翻译服务,支持文本、文档、网页等内容翻译,提供人工翻译和专业领域翻译。功能强大,使用免费,是学习、工作必备工具。

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。

随时随地通过Telegram使用ChatGPT、Whisper和Dall-E

Solvemigo是一个通过Telegram随时随地使用ChatGPT、Whisper和Dall-E的AI工具。它提供个性化的营销、编码、写作、饮食、摄影、产品开发和生产力建议等方面的帮助。你可以在几分钟内撰写内容、设计市场推广活动、编写代码等。定价为每月9.99美元或每年99.99美元，包括750K字的ChatGPT使用、25张Dall-E生成的图片、2小时的Whisper语音转录等。

基于OpenAI Whisper的自动语音识别与说话人分割

whisper-diarization是一个结合了Whisper自动语音识别(ASR)能力、声音活动检测(VAD)和说话人嵌入技术的开源项目。它通过提取音频中的声音部分来提高说话人嵌入的准确性，然后使用Whisper生成转录文本，并通过WhisperX校正时间戳和对齐，以减少由于时间偏移导致的分割错误。接着，使用MarbleNet进行VAD和分割以排除静音，TitaNet用于提取说话人嵌入以识别每个段落的说话人，最后将结果与WhisperX生成的时间戳关联，基于时间戳检测每个单词的说话人，并使用标点模型重新对齐以补偿小的时间偏移。

高效准确的在线翻译服务

腾讯翻译君是腾讯公司推出的在线翻译服务，它利用先进的人工智能技术，为用户提供文本、图片和文档的翻译服务。该产品支持多种语言之间的互译，具有高准确性和快速响应的特点，极大地提高了跨语言沟通的效率。腾讯翻译君适合需要进行语言翻译的个人和企业用户，无论是日常沟通还是专业文档翻译，都能提供强大的支持。

生成高质量、自然 sounding 的语音

Parler-TTS 是一个由 Hugging Face 开发的轻量级文本转语音（TTS）模型，能够以给定说话者的风格（性别、音调、说话风格等）生成高质量、自然 sounding 的语音。它是基于 Dan Lyth 和 Simon King 发表的论文《Natural language guidance of high-fidelity text-to-speech with synthetic annotations》的工作复现，两位作者分别来自 Stability AI 和爱丁堡大学。与其他TTS模型不同，Parler-TTS 完全开源发布，包括数据集、预处理、训练代码和权重。功能包括：生成高质量且自然 sounding 的语音输出、灵活的使用和部署、提供丰富的注释语音数据集。定价：免费。

风车AI翻译，专注于图片、视频翻译及智能抠图等多模态翻译服务，助力外贸出海。

风车AI翻译是一款专注于多模态翻译的在线工具，涵盖图片翻译、视频翻译、智能抠图等功能。它利用先进的AI技术，能够快速准确地将图片和视频中的文字进行翻译，并支持多种语言互译。该产品主要面向跨境电商、医疗文献、行业研报等领域，帮助用户跨越语言障碍，提升工作效率。其核心优势在于强大的多语言支持、稳定可靠的服务以及多领域翻译能力，能够满足不同行业用户的需求。产品采用订阅制付费模式，具体价格根据用户需求而定。

免费开源的视频翻译配音工具

视频翻译配音是一个免费开源的视频翻译和配音工具,支持多种翻译引擎,可以将视频字幕翻译成多种语言,并生成自然的语音配音,操作简单方便。

AI语音生成器与情感TTS

Typecast是一款在线的AI语音生成器，可以将文本转化为逼真的语音。拥有超过400种逼真的声音选择。让您的内容以您想要的方式呈现！

一站式多语言翻译解决方案，支持文本、图片、PDF、语音和视频翻译

智能翻译助手是一个基于AI技术的多语言翻译平台，旨在为用户提供高效、准确的翻译服务。其核心优势在于强大的多语言支持能力，能够满足不同用户在多种场景下的翻译需求。无论是学术研究、商务交流还是日常学习，该平台都能提供精准的翻译结果。此外，其纯网页版的设计无需用户下载安装，随时随地可使用，极大地提高了使用便利性。平台注重用户隐私保护，不保存用户数据，确保信息安全。从技术角度来看，其背后依托先进的AI算法，能够实现对文本、图片、语音等多种格式内容的智能识别与翻译，体现了人工智能在语言翻译领域的强大应用价值。

全球领先的多语种翻译工具

百度翻译是一款全球领先的多语种翻译工具，提供文字、文档、网址和图片的翻译服务。具有自动检测语言、通用领域翻译、AI翻译、文档翻译等功能。优势包括高准确度、快速翻译、支持多种语言等。百度翻译的定价根据使用情况而定，用户可以选择开通百度翻译会员享受更多特权。适用于个人用户、企业用户等不同场景。

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。

一键生成带字幕和配音的视频翻译工具

VideoTrans是一款免费开源的视频翻译配音工具。它可以一键识别视频字幕、翻译成其他语言、进行多种语音合成,最终输出带字幕和配音的目标语言视频。该软件使用简单,支持多种翻译和配音引擎,能大幅提高视频翻译的效率。

Octave TTS 是首个能够理解文本含义的语音合成模型，能够生成富有情感和风格的语音。

Octave TTS 是由 Hume AI 开发的下一代语音合成模型，它不仅能够将文本转换为语音，还能理解文本的语义和情感，从而生成富有表现力的语音输出。该技术的核心优势在于其对语言的深度理解能力，使其能够根据上下文生成自然、生动的语音，适用于多种应用场景，如有声读物、虚拟助手和情感化语音交互等。Octave TTS 的出现标志着语音合成技术从简单的文本朗读向更具表现力和交互性的方向发展，为用户提供更加个性化和情感化的语音体验。目前，该产品主要面向开发者和创作者，通过 API 和平台提供服务，未来有望扩展到更多语言和应用场景。

使用Groq、Whisper和Llama3从音频生成有组织的笔记。

Groqnotes是一个基于Streamlit的应用程序，它通过迭代解析和生成从转录的音频讲座中提取的笔记来构建结构化的讲座笔记。该应用程序混合使用了Llama3-8b和Llama3-70b模型，利用较大的模型生成笔记结构，较快的模型创建内容。Groqnotes的主要优点包括快速转录音频和生成文本，以及通过策略性地在两种模型之间切换来平衡速度和质量。此外，它还支持Markdown样式，可以在Streamlit应用程序中创建美观的笔记，包括表格和代码，并允许用户下载包含全部笔记内容的文本或PDF文件。