产品库

多语言语音AI API，提供实时转写、语音合成与同传翻译。

Soniox 是面向实时语音应用的多语言语音AI平台，将语音识别、语音合成和语音翻译整合为统一 API，支持60多种语言和低延迟流式处理。其优势在于原生说话人级准确率、自然语言切换和低时延，适合构建实时字幕、会议转写、语音助手与客服分析等应用。页面未明确展示具体价格，定位为面向开发者和企业的语音API服务。

免费人工智能语音生成器，二百多种自然音色、五十多种语言，无需注册。

EzVoice AI 是一款面向内容创作与商业配音的在线人工智能语音生成器，利用深度学习与神经网络分析人类语音模式，将文本快速转换为接近真人的录音棚级语音。它提供二百多种自然音色和五十多种语言，支持按年龄、性别、风格筛选与试听，并可细调声音的温暖度或质感以塑造品牌专属声线。页面强调免费、无需注册即可使用，输出高比特率 MP3 并去除数字底噪，同时重视企业级数据安全，适合视频、播客、在线教育、营销和客服培训等场景，定位为降低录音成本、提升多语言内容规模化生产效率的在线工具。

免费在线AI文本转语音，生成自然且富有情感的真实配音。

2Speech AI 是一款在线AI文本转语音工具，面向视频配音、播客、有声书、教育课件、无障碍阅读和企业营销等场景。其核心技术是神经文本转语音与情感语音合成，通过分析文本并加入呼吸、节奏和自然语调，将书面内容转换为接近真人说话的高质量音频。产品支持直接输入文本及上传PDF、PPT、DOCX、书籍、图片、音频和视频等文件，提供多语言、多口音、多风格声音库，并可导出WAV或MP3。主要优点包括生成速度快、操作简单、无需专业录音设备、音质清晰、支持免费使用，并通过加密和安全措施保护用户脚本。页面定位为免费在线TTS工具，适合个人创作者、教育者、企业与品牌快速制作专业语音内容；价格信息显示可免费使用，具体高级功能或额度未在页面中明确。

在线AI音乐生成器，可将歌词或提示词转化为带人声的歌曲和器乐伴奏。

AI Music Generator（musicgenerator.ai）是一个在线AI音乐创作平台，核心功能是根据用户输入的歌词、文字描述或风格提示，利用生成式AI模型自动产出包含人声和伴奏的完整歌曲或纯器乐曲目。它同时提供AI翻唱、音轨分离、社区展示和曲库管理等功能，让没有音乐制作基础的用户也能快速完成从灵感片段到成品音乐的创作。产品以免费积分和订阅制相结合，新用户可通过签到获取积分，付费订阅可解锁完整下载和商用授权，当前还提供年付5折的优惠活动。其意义在于大幅降低音乐创作门槛，为音乐人、内容创作者和爱好者提供高效率的灵感生成与音乐改编工具。

用Seedream 5.5 AI图像生成器创建产品概念、活动视觉和角色场景。

Seedream 5.5 是一个基于网页的 AI 图像创建平台，旨在将文字简报转化为可评估的画面。它支持从纯文本或参考图像开始，通过模型选择、纵横比、分辨率、批量生成等参数控制，结合文本到图像、图像到图像和图层拆分等核心功能，帮助创意专业人士快速生成和迭代视觉内容。该产品的关键技术优势在于将提示词视为一系列视觉决策，通过调整主体层级、场景、光线、相机语言和细化步骤，实现对生成结果的精准控制。它定位为面向创意总监、电影制作人、设计师、营销人员和概念艺术家的工作空间，强调效率与可控性。价格方面，提供免费试用，并设有付费套餐（当前有 50% 折扣）。

用两张照片生成15秒竖屏说唱二重唱视频。

Hotel Lobby AI Filter 是一个在线 AI 视频生成工具，可将两张人物或宠物照片转化为15秒、9:16竖屏的说唱二重唱短片。它受 Quavo 和 Takeoff 在《Hotel Lobby》A COLORS SHOW 表演启发，预设橙色舞台、共享悬挂麦克风和原创配乐，用户无需提示词或剪辑时间线即可创作。产品提供一次480P免费预览，720P需45积分、1080P需80积分，付费高清下载包含音轨；生成通常需要数分钟，适合 TikTok、Instagram Reels、YouTube Shorts 等短视频平台。该工具为独立产品，与艺人和节目无背书关系，商业发布需自行获得肖像权、合成媒体和音乐授权。

用两张照片生成酒店大堂风格的双人AI说唱视频。

Hotel Lobby AI是一款基于AI技术的双人说唱视频生成工具，其灵感来源于风靡社交媒体的“橙色街头双人”趋势。用户只需上传两张清晰的照片，即可从14种风格模板中选择喜爱的场景，包括橙色工作室、酒店大堂、复古街头、宠物乐园等，系统便会自动将照片中的人物或动物替换到模板中，生成一段15秒、16:9横向占比的MP4视频，并恢复模板原始的说唱音乐。该工具的核心技术在于利用AI对人脸、发型、服装等特征进行识别与替换，同时参考模板中的动作编排而非逐帧复制，从而实现自然流畅的“AI二重唱”效果。值得注意的是，精确的唇形同步不保证，但整体节奏和氛围高度还原。产品采用积分制，480p需20积分，720p需45积分，1080p需80积分，失败或人脸无法验证时积分自动退还。上传的照片会在24小时内从服务器删除，保护用户隐私。产品定位为趣味性AI视频创作工具，适合朋友、情侣、宠物主人、内容创作者等群体，也可用于品牌营销和娱乐传播。

一站式AI创意工作室，可从创意生成音视频等内容，免费开启创作。

Dreamtide是一个由人工智能驱动的商业广告创作平台，专为现代品牌打造，可实现快速、高质量的商业广告制作。它集视频、设计和音频功能于一体，让用户无需专业团队，即可在数分钟内完成从创意到成品的整个流程。该平台提供多种不同定价的套餐，从免费试用开始，价格区间为每月20美元至300美元不等，可满足不同用户的需求，适合品牌、创作者和创业者等使用。

Foneo AI 让你几步完成人像、产品和房产照片处理，无需复杂设置。

Foneo AI 是一款强大的 AI 图像编辑工具，将 AI 技术融入日常照片编辑工作流。其重要性在于为用户提供便捷、高效的图像编辑体验。主要优点包括无需复杂设置、无需专业技术知识、支持批量处理、不按导出次数收费等。产品背景是满足专业人士和普通用户对优质图像编辑的需求。价格方面，有免费计划和不同档次的付费计划，如每月 12 美元、半年 48 美元、每年 76 美元。定位是面向广泛用户群体，无论是专业摄影师、工作室还是普通摄影爱好者，都能轻松上手并获得出色的图像编辑效果。

免费在线朗读工具，用AI语音读文本，无需注册，可下载MP3

Read Aloud Reader是一款基于浏览器的免费在线朗读工具，它利用神经AI语音将文本大声朗读出来。该工具无需安装和配置，在任何浏览器和设备上都能使用，使用场景广泛，覆盖从学生到职场人士等多种需要大量阅读文本的人群。其突出优点包括具备优质的AI语音，可与人类旁白相媲美；提供逐字高亮显示功能，便于理解文本；支持MP3下载，可离线收听；速度可调节，满足不同需求；无需注册，使用无门槛。产品免费使用，每天有5000字符的免费额度，每月20000字符。

Speko为语音AI模型提供路由服务，跨语言基准测试并智能选优。

Speko是一款语音AI路由服务产品，它对56种语音和语言模型在10种语言下进行基准测试，然后将每个会话路由到最适合的模型。该产品的主要优点在于能够根据用户使用的语言，从众多模型中选出表现最佳的模型，避免了单一模型在不同语言场景下表现不佳的问题，提高语音识别和合成的准确性和效率。产品由Speko Group Inc运营，获得了Y Combinator的支持。关于价格，文档中未明确提及，推测可能有免费试用和付费套餐。其定位是为全球范围内需要语音AI服务的用户提供中立、高效的模型路由解决方案。

AI视频编辑器，通过语音描述将素材转化为多源视频

Wistia Remix是一款由Wistia推出的AI视频编辑器。Wistia是知名的视频营销平台，为企业提供创建、托管、营销和衡量视频内容的协作工具。该产品的重要性在于极大地简化了视频编辑流程，降低了视频制作的门槛。其主要优点包括操作简单，用户只需通过语音描述需求，就能将录制内容、播客或素材转化为高质量的多源视频，而非简单的剪辑拼接。价格方面，文档未提及，推测可能有免费试用或付费使用的模式，产品定位面向有视频制作需求的企业和个人。

在线AI文本转语音，14000+逼真声音，支持角色配音、语音克隆等

tonvio是一款在线AI文本转语音工具，其重要性在于为用户提供了便捷、高效的语音合成服务。主要优点包括拥有超14000种逼真的AI语音，可克隆声音，支持多语言翻译配音。背景是满足市场对高质量语音合成的需求。价格方面提供免费试用首单语音合成，后续有按信用包付费、不同并行流的无限使用订阅方案（如1.5美元信用包、45美元4并行流无限订阅、80美元8并行流无限订阅）。其定位是面向有文本转语音需求的广泛用户群体，包括内容创作者、教育工作者等。

Meta超智能实验室先进图像生成模型，可创作、编辑和混合图像。

Muse Image是Meta超智能实验室推出的先进图像生成模型，其重要性体现在为创作者提供了强大且智能的图像创作工具。主要优点包括：具备智能推理能力，能通过搜索、推理和优化将想法转化为高质量图像；支持多参考合成，可在一个提示中组合多种元素；能进行精确的自然语言编辑。产品背景是依托Meta的技术实力。价格方面，文档中提到部分操作需消耗积分，推测为付费模式。定位是面向创作者、营销人员、设计师、电商团队等，成为他们智能的创意伙伴，而非简单的文本到图像转换器。

Miso One是Miso Labs推出的英语TTS模型，支持情感语音生成。

Miso One是Miso Labs发布的一款具有8B开放权重的英文文本转语音模型。其重要性在于为语音研究和应用提供了新的选择，特别是在低延迟语音代理和富有表现力的对话式语音领域。主要优点包括支持富有表现力的英语对话语音、低延迟生成、支持语音克隆和基于提示的语音设计。产品背景是为了满足语音研究和创作者工作流程的需求。价格方面，有免费计划，每次可使用120个字符，升级后可解锁1000字符。定位是为语音代理研究和创作者提供高质量的语音生成解决方案。

欧洲首款量产就绪的TTS，40+语言自然语音，欧洲开发托管，GDPR合规

KugelAudio是欧洲首款可用于生产的文本转语音（TTS）模型，专为语音AI打造。该模型具备40多种语言的自然语音，在欧洲开发和托管，完全符合GDPR法规。其重要性在于为企业提供了安全、高效、合规的语音合成解决方案。主要优点包括超低延迟（推理到首个音频仅39ms）、优质语音质量、支持多种语言、数据主权保障等。产品背景是为满足欧洲企业对安全合规语音AI的需求而开发。价格方面，提供免费试用，也有针对企业的定制解决方案。定位是为企业级用户提供可靠的语音AI服务。

一个统一API，可生成图像、合成语音、转录音视频，低成本访问开源模型。

deAPI是一个统一的API，可用于生成图像、合成语音、转录音频或视频。其重要性在于为用户提供了便捷的方式来接入领先的开源AI模型。主要优点包括成本低，用户可以以较低的成本使用这些模型；使用统一的API，操作更加方便。产品背景是为了满足用户对开源AI模型的需求，简化使用流程。价格方面，用户可以先领取免费额度进行试用。产品定位是为开发者和企业提供高效、低成本的AI服务。

Aniv AI一站式短剧创作平台，零基础一天可创作20分钟漫剧

Aniv AI是专为动画创作设计的综合性AI平台。它简化了从剧本生成、分镜设计到角色设定和最终视频合成的整个生产流程，允许用户通过简单文字描述创建高质量动画场景和完整剧集。每位用户注册后可获赠60积分，免费体验剧本创作、角色场景设计、分镜生成三大核心功能。其定位是帮助用户，尤其是零基础用户高效创作动画作品。

GPT Realtime 2可实现即时、自然的AI音频生成，支持文本转语音。

GPT Realtime 2是一款基于OpenRouter的AI音频生成和文本转语音API产品。其重要性在于为用户提供便捷、高效的语音生成解决方案。主要优点包括：具有六种自然、富有情感语调的AI语音，可即时生成音频；支持流式音频响应并提供转录反馈；拥有简单的REST API和多语言SDK，便于开发者集成。产品提供免费的演示模式，可在浏览器中直接测试，无需注册。真实的音频生成则通过用户配置的OpenRouter账户和模型路由进行计费。该产品定位为帮助团队快速实现语音生成，适用于多种场景，从原型设计到实际应用开发均可使用。