为Python、Node.js和Rust提供统一实时音频AI层,支持采集与播放。
Decibri 是一套面向 AI 智能体(AI Agent)与语音 AI 应用的统一音频底层基础设施,把语音应用所需的核心音频能力收敛到同一个技术栈中:实时麦克风采集、扬声器播放、声学回声消除、语音活动检测(VAD),并可将音频流式传输给智能体、云服务或直接写入文件。它横跨 Python、Node.js 与 Rust 三种语言,提供各自语言的原生接口(Python 迭代器、Node.js Readable 流、Rust 通道),并附带完整类型定义,实现 IDE 自动补全与内联文档。其核心价值在于解决实时音频采集与播放“本应简单却异常艰难”的行业痛点:传统方案往往依赖系统音频工具、需要本地编译工具链,且在不同语言、不同操作系统(macOS、Windows、Linux)之间安装体验与运行时行为极不一致。Decibri 通过为各平台预编译原生二进制(Windows 11 x64/arm64、macOS arm64、Linux x64/arm64)并打包进各语言的安装包,实现“零配置”安装——无需编译器、无需构建工具、无安装脚本、无云 API 依赖。默认以 100 毫秒音频块(16kHz 下 1600 帧)直接从操作系统音频层采集,不经过子进程、shell 或中间编码,延迟低且可预测。产品还捆绑 Silero VAD v6.2 模型,通过 ONNX Runtime 在本地 Rust 中运行,可在噪声环境下准确检测语音并产出语音/静音事件。定位上,Decibri 面向需要可预测低延迟音频 I/O、又不愿自行处理平台差异的开发者,是语音智能体后端、实时转写、唤醒词检测、流式音频管道等场景的底层音频层。价格方面页面未明确标注收费模式,其安装方式为 pip 与 npm 免费获取,可视为免费使用(开源生态分发方式)。
免费 AI 歌曲生成器,输入灵感或歌词即可创作完整歌曲。
SongMaker 是一个在线 AI 歌曲创作平台,面向零基础用户和音乐创作者,能够把一句灵感、故事或歌词快速变成带人声或纯音乐的完整歌曲。它整合 Suno、Mureka、ElevenLabs、Lyria 和 MiniMax 五个 AI 模型,用户可在同一提示词下对比不同模型生成结果,并继续使用歌词生成、歌曲扩展、混音、重混、段落替换和分轨等功能。产品定位为低门槛、高效率的 AI 音乐制作工具,适合短视频、播客、游戏、广告和个人创作等场景。价格上可免费开始,新账户获赠免费额度,付费计划提供更多月度积分。
统一接口运行图像、视频、音频与文本人工智能模型,并支持智能体与工作流。
Wiro AI 是面向开发者的统一生成式人工智能接口平台,把图像生成、视频生成、音频与语音、大语言模型以及智能体和工作流整合到一个入口中,开发者无需分别对接多家供应商即可调用一千多个模型。平台提供浏览器试验场、每个模型的代码示例、按运行次数计费和面向生产的稳定接口,定位为帮助软件即服务、应用和团队快速把多模态人工智能能力上线。其重要性在于降低多模型集成、运维、鉴权和计费复杂度,让开发者更专注于产品逻辑与业务创新,同时以按量付费控制成本。
会先询问再编辑的AI剧本与小说写作软件,支持自动排版、FDX导入、实时协作。
Scenaloom 是一款面向编剧、小说作者和影视制作团队的 AI 写作与前期规划软件。它以同一份草稿为中心,将剧本格式化、大纲/节拍/场景板、角色实体、分镜与制片计划、AI 助手和实时协作连接起来。其核心特点是 AI 不会擅自改动页面:用户可限定行、场景、选区、大纲或全稿范围,先审阅建议再决定是否应用;还提供 AI 关闭开关、版本历史与作者身份记录。支持 Final Draft、Fountain、PDF、Word、EPUB 导入导出,作品归用户所有,不用于训练 AI 模型。可免费开始,付费计划与积分用于生成图片、语音和视频,费用会在执行前显示,失败自动退还,并可设置月度上限。定位为尊重创作者控制权、适合从构思到制作的一体化剧本/小说写作平台。
Happy Wan 把一句话或照片变成带同步声音的 15 秒 1080P 短视频。
Happy Wan 是一款浏览器端 AI 短视频生成工具,基于 Wan 3.0 视频模型,可将文字提示或照片快速生成 4 至 15 秒、480P/720P/1080P 的短视频,并原生附带同步音频。它无需本地 GPU 或云控制台,用户可在网页中完成生成、预览和 MP4 下载,适合社交媒体短视频、产品展示和营销内容制作。价格按积分计费:视频 5 积分/秒,且不区分分辨率,5 秒视频为 25 积分;新账户赠送 50 积分,生成失败会自动返还积分,定价页提供计划和积分包。
上传两首本地歌曲并描述风格,AI可快速生成、试听并下载定制混搭。
该产品是一款在线人工智能歌曲混搭工具,用户上传两首本地音频并描述期望风格后,系统会生成新的编曲版本,重新诠释人声、旋律、节奏与结构。它无需 DJ 或音乐制作经验,可帮助用户快速获得个性化混搭创意,并在线试听和下载结果。免费可预览源文件,AI 生成会消耗账户积分,因此适合作为低成本、低门槛的创作草图和实验工具;但它不能保证完全保留原曲,也不支持直接导入 YouTube 或 Spotify 链接。
上传音频,一键生成带节拍场景、可选唇形同步的AI音乐视频。
VibeMV 是一款在线 AI 音乐视频生成器,核心能力是把用户已经完成的歌曲音频自动转化为完整音乐视频。它会分析音频中的节拍、段落和情绪,生成节拍感知场景,并支持可选唇形同步、电影化视觉方向以及 16:9 横屏或 9:16 竖屏输出。其重要性在于大幅降低传统 MV 制作对拍摄、剪辑、后期合成和预算的要求,使独立音乐人、短视频创作者和营销团队能更快把歌曲变成可发布的视觉内容。产品定位为面向音乐与内容创作者的网站工具,页面提供 Free Tools 与 Pricing 入口,但当前内容未明确具体价格。
用聊天描述视频,AI代理自动生成动态图形、3D、音效并可导出MP4。
Motion Fab 是一款基于网页的 AI 动态图形制作代理,用户只需在聊天中描述想要的视频,代理便会自动构建动态文字、形状、三维效果与声音,并支持实时预览和 MP4 导出。它将传统时间轴、关键帧和复杂参数调整转化为自然语言编辑,显著降低运动设计门槛,让非专业用户也能快速制作产品发布、社交媒体、品牌宣传和知识解说类视频。页面显示其定位为面向大众的 AI 运动设计师,当前处于 beta 阶段并提供免费试用,基础报价为 0 美元,强调“用文字编辑动画”、实时预览、自有素材整合、声音与配音、多语言字体、图像与短片生成以及 MP4 导出等能力。
面向人类与智能体的共享工作空间,协同一份实时文件。
AgentGrid.io 是由 Anima App Inc. 推出的共享工作空间,面向人类与智能体协作。它让 Claude、GPT、Codex、Hermes、OpenClaw、Cursor、Grok Bot 等智能体与人在同一份实时工件上工作,覆盖文档、报告、幻灯片、应用和设计。其核心价值是把分散副本、重复交接和版本混乱,变为一个来源、一份历史、清晰所有权与受控访问。产品定位为面向集体智能的共享驱动器,把智能体视为一等协作者;支持按智能体、按文件夹设置读取、写入、修改、发布等细粒度权限。页面提供价格入口,但未展示具体价格方案。
OLVA 是无机器人加入的实时 AI 会议助手,提供问答、转录与会议记忆。
OLVA 是一款无机器人加入的实时 AI 会议智能助手,定位为面向个人与团队的会议副驾。它从用户设备捕获电脑或手机麦克风音频,不加入 Zoom、Google Meet、Microsoft Teams、Webex、Slack Huddles 等会议参会名单,因此更私密、更少打扰。核心能力包括实时转录、自动问题检测、会中问答、AI 教练、实时洞察、多语言翻译、双语对话、会后摘要、行动项和可搜索会议记忆,并支持上下文笔记/文件、文档感知和将会议转为可编辑 PowerPoint。它适合线上会议、线下对话、客户拜访、课堂和跨国协作,优势是把答案、信息和记忆实时带入会议而不引入 bot。价格方面,页面未公示具体金额,但显示 Pro Ultra、计划字数额度、功能积分及生成成本提示,属于付费/分层产品。
面向苹果电脑与视窗系统的人工智能语音输入与听写工具,语音即时成文。
Loqua 是一款面向苹果电脑与视窗系统的人工智能语音输入与听写软件,核心能力不只是把语音转成文字,而是结合上下文理解用户真正想表达的意思,并实时去除口头禅、重复和冗余,润色措辞、调整语气、生成列表与标题,让最终出现在屏幕上的文本接近可直接发送的状态。它支持在任意文本输入框通过一个全局快捷键调用,覆盖邮件、团队协作、笔记、代码编辑器、表格、浏览器等常见场景,官方称输入速度可达每分钟约220词,比传统键盘输入快约4倍,每天可节省数小时。除听写外,Loqua 还提供截图问答、选中文本语音改写、近100种语言翻译、语音命令执行以及人工智能播客朗读等功能。产品定位为提升日常书写、沟通、跨语言协作与信息处理效率的生产力工具,主要面向苹果电脑与视窗系统用户。官网提供14天免费试用,具体付费方案未在页面明确标明。
实时转写并双向翻译会议、通话、视频和讲座音频。
Verli App 是一款面向跨语言沟通场景的实时翻译与转写工具,可监听浏览器标签页、电脑桌面音频或麦克风输入,自动识别说话人语言并进行双向翻译,让用户在会议、通话、课程、活动、视频和家庭聊天中直接阅读原文与译文。它的重要性在于无需机器人加入会议、无需对方安装软件,也不用手动按键切换语言;桌面端可置顶显示最新翻译,支持语音朗读、实时分享链接、AI 摘要与转写保存。产品定位是轻量、隐私友好的多语言沟通助手,支持约 60 种语言,覆盖 Mac、Windows、现代浏览器、Chrome 扩展与 Android。价格方面,注册后可免费使用 60 分钟,之后为每月 7.99 美元包含 10 小时;Verli 不录制音频,对话不会用于训练 AI。
一站式AI视频与图像生成平台,支持Seedance等多款模型在线生成。
SeeGen AI 是一站式 AI 视频与图像生成平台,整合 Seedance 2.5、Seedance 2.0、Seedream 5.0、ChatGPT Image 2.0、Nano Banana 2.1、Nano Banana 2 及 Pro 等模型。用户可通过文本、图像、视频、音频或草图生成和编辑视频,并支持多镜头叙事、原生音频同步、角色一致性、相机控制、视频扩展、创意转场、口型同步与最高 2K 视频生成。平台面向创作者、团队和开发者,可在线使用,也可通过 API 集成到自有产品。价格采用灵活积分制,注册并加入 Discord 可获 200 免费积分,付费用户可将内容用于商业项目,无需强制订阅。
一站式AI创意工作室,集成40+图像、视频、音频模型。
PromptWise 是面向创作者、营销团队和品牌的 AI 创意工作室,将 40 多款领先图像、视频和音频模型整合到一个订阅与统一工作区中,覆盖图像生成与编辑、视频生成、音频制作、UGC 广告、AI 网红和可复用创意工作流。它解决多平台切换、重复付费、角色与品牌不一致和制作效率低的问题,并支持通过 MCP 集成在主流对话式 AI 工具中直接调用。产品定位为“从想法到成片”的一站式 AI 创作平台,适合个人创作者、电商与广告团队、代理商和内容工作室。价格采用月度或年度订阅制,年付最高可节省 45%,并提供免费试用,用户可先体验核心功能再升级。
人工智能编剧工具,支持结构化剧本、可审阅修改、版本控制与制作输出
Plot by Inkwell 是面向编剧的集成开发环境式剧本写作平台。它把结构化剧本编辑器、可审阅的内联人工智能编辑、智能体模式、多步骤修订、对白检查、连续性检查、草稿线、版本历史和制作流程整合在同一工作区。页面强调 16 种剧本元素、10 种美国编剧工会修订颜色、专业剧本交换格式导入导出、纯文本剧本格式与便携文档格式导出、实时同场景协作、拍摄脚本锁定和提交预检。其重要性在于让修改像代码审查一样可逐词审阅,保留替代方案和命名存档点,避免传统写作工具中人工智能黑箱和版本混乱。定位为 Final Draft、WriterDuet、Arc Studio Pro、Fade In 等工具的替代方案,提供免费开始入口并链接定价,适合从初稿到锁定拍摄稿的完整流程。
内置AI制作人的AI原生DAW,可分层生成音频与MIDI,免费在浏览器创作音乐。
Veena 是一款AI原生DAW(音乐创作工具),核心是内置的CoProducer个人制作人。它不同于用提示词一次性生成整首歌,而是在工程内逐层生成音频与MIDI,覆盖节拍、和弦、旋律、编曲与混音,并让你指导、选择或录制每个声部。它面向歌手、词曲作者、制作人和初学者,可把哼唱转为任意乐器,读取整个工程规划歌曲,并为每个新声部提供三个方案。支持浏览器运行,Windows、Mac、Linux、Chromebook无需安装或显卡;可通过Veena Bridge加载VST3/AU插件。基础版完全免费,Pro每月20美元,解除每日请求上限并解锁高级模型。强调隐私与所有权,不分享作品或用于训练模型。
人工智能实时语音翻译工具,支持35种语言,可用于通话、会议和对话。
LiveLingo 是一款人工智能驱动的实时语音翻译应用,重点用于电话通话、线上会议和面对面对话中的即时语音翻译,支持 35 种语言。它通过移动应用和浏览器扩展等入口,帮助个人与团队降低跨语言沟通门槛,减少等待和误解,提高跨国协作、客户服务和旅行交流效率。产品定位为面向日常与工作场景的实时交流工具,页面未披露具体价格,需以官网或应用商店最新信息为准。
下一代AI视频学习助手,提供双语字幕、实时翻译、AI摘要与笔记,支持YouTube和Netflix。
LingTube是一款基于AI技术的浏览器扩展,专为YouTube和Netflix设计,旨在为用户提供沉浸式的视频学习体验。它集成了自动语音识别、大型语言模型和自然语言处理引擎,能够实现高质量的双语字幕生成、实时语音翻译、AI摘要与大纲、智能问答、时间戳笔记等功能。与传统的机器翻译不同,LingTube采用上下文感知的算法,能够结合视频语境准确翻译单词和短语,并自动进行词性标注和CEFR难度分级,帮助用户从词汇、语法到语篇全面理解内容。产品还内置AI内容质量检查,有效降低模型幻觉,确保翻译和摘要的可靠性。LingTube在Chrome Web Store上架,拥有用户友好的界面和稳定的性能,采用免费增值模式,基础功能永久免费,高级AI功能提供试用配额,适合语言学习者、留学生、金融从业者等各类视频学习者使用。其定位是下一代AI视频学习助手,将被动观看转化为主动学习,让用户在学习语言和获取知识时事半功倍。
© 2026 AIbase 备案号:闽ICP备08105208号-14