AI在线编辑图片文字，替换、添加、删除、提取和翻译，保留原图背景。
ImageTextEditor 是一款浏览器在线图像文字编辑工具，面向需要修改图片内文字但不一定有原始设计文件的用户。它通过 AI 在尽量保持原图背景、排版和视觉上下文不变的前提下，完成已有文字替换、添加文字、移除文字、提取文字和翻译图片文字等任务。用户上传 JPG、PNG 或 WEBP 图片后，可输入替换文本或选择相应功能，数秒内获得更新结果。其重要性在于把图片文字修改从复杂的设计软件流程中解放出来，适合社交媒体、产品与营销素材、海报、截图、公告、学习材料和跨语言内容。产品定位轻量、专注、易用，无需 Photoshop 或完整设计项目；价格可免费试用，并提供每日重置的免费积分，具体额度以当前服务条款为准。
免费开源AI语音输入软件，本地运行，支持100+语言，隐私安全。
OpenWhispr 是一款隐私优先的开源语音输入工具，基于 OpenAI Whisper 和 NVIDIA Parakeet 等先进 AI 模型，提供快速、准确的本地语音转文字能力。它支持 macOS、Windows、Linux 和 iOS，可在任何文本输入场景中使用（如 Slack、VS Code、Chrome、Word、Notion 等），通过自定义快捷键实现“按住说话”或“按键切换”的听写体验。核心功能完全免费且开源（MIT 许可），语音数据默认在本地处理，绝不离开设备；用户也可选择自带 API 密钥（OpenAI、Anthropic、Google Gemini 等）或使用 OpenWhispr Cloud（免费额度每周 2000 字）。产品定位为个人隐私与效率兼顾的 AI 助手，适用于快速记录、会议纪要、多语言翻译等场景，已有超过 15 万用户下载，是市面上少有的完全透明、可审计、可离线的语音输入方案。
AI笔记应用，自动将课堂或会议内容转化为结构化笔记和摘要。
NoteLyn AI是一款AI驱动的智能笔记应用，旨在帮助用户高效捕捉、整理和复习信息。它支持多种输入方式，包括文字、语音、音频文件、PDF、网页链接和图像OCR，能够将课堂讲座、会议讨论或阅读材料自动转化为结构化笔记，并生成摘要、关键点和行动项。内置的闪卡、测验、思维导图和播客功能，帮助用户通过主动回忆和可视化加深理解。产品采用免费增值模式，新用户可免费使用基础AI笔记，Pro订阅解锁无限笔记和播客功能。NoteLyn定位为学习与工作场景下的全能AI笔记助手，跨平台支持Web、iOS和Android，确保数据同步。
Fontify.ai 是一款基于人工智能的在线字体与文字效果生成器。用户无需掌握字体设计或矢量软件，只需输入想要转换的文字，或从圣诞、手写体、泡泡字、像素字等风格模板中选择，并上传参考图或描述需要的字体方向，AI 即可在数秒内生成独特且可编辑的字体设计方向。产品覆盖 Logo、标题、海报、横幅、用户名、Happy Birthday、字母/数字/符号等常见应用场景，支持 2K 分辨率、16:9 比例和 PNG 输出，适合直接用于品牌物料、社交媒体、商业广告和活动装饰。Fontify.ai 提供免费试用额度，新用户可获得 5 个免费积分；订阅方案每月 9.9 美元起，可享受 4K 下载和所有高级字体工具；一次性积分包 20 美元起，积分永不过期。生成的内容可用于商业用途，并提供许可证说明。
AI图像生成与编辑，支持真实感、主体一致、清晰文字与4K输出。
Nano Banana 2.1 是 Gemini 系列中的图像生成与对话式编辑模型，也是 Nano Banana 2 的升级版。它重点提升了视觉真实感、提示词遵循度、多轮主体一致性和文字渲染能力，可用于原创图片、照片编辑、产品概念、海报和信息图。模型支持多参考图融合、掩码引导编辑，以及 1K/2K/4K 和宽幅输出，同时延续 Flash 系列的快速迭代特性。其重要性在于让用户可以用自然语言完成高质量视觉产出，把创意简报快速转成可审核的素材，减少传统设计中反复沟通和手工修图的成本。网站采用免费积分加付费订阅的模式，新用户注册送 100 积分，每日可领免费积分，付费方案最高 50% 折扣。
在线生成与编辑图片，支持精准文字、多参考图、区域编辑和透明PNG。
Qwen Image 2.1 是一款在线 AI 图像生成与编辑工具，面向需要快速产出高质量图片并保持文字、人物或产品一致性的用户。它支持在图像中生成准确的中英文文字，适合海报、广告、封面和社交媒体图片；支持最多十张参考图片，用于人物、角色或产品的跨场景一致性；支持蒙版区域编辑，只重绘用户涂抹或圈选的局部，保留其余画面；还支持透明背景导出 PNG/WebP，便于产品抠图、贴纸和设计文件。页面提供生成器、示例、使用说明和定价入口，说明有付费计划，但当前抓取文本未披露具体价格与免费试用政策。
人工智能在线翻译漫画，支持50多种语言，保留原图排版与气泡。
该产品是一款面向漫画读者的在线人工智能翻译工具，专注于把单页或整章漫画从日语、韩语、中文等源语言翻译成目标语言。它结合漫画感知文字识别、上下文翻译与自然排版，将译文放回原气泡和文字区域，尽量保留人物、线稿、色彩、分镜与阅读顺序。产品支持50多种语言、章节压缩包上传、连续阅读、原文与译文对照、术语表与浏览器插件等能力，适合个人读者、汉化爱好者和本地化团队使用。产品可免费试用，并按积分或套餐付费。
网易叭哥说是桌面端AI语音输入工具，能语音转文字，比打字快5倍
网易叭哥说是一款桌面端AI语音输入工具。其重要性在于极大提升输入效率，为快节奏的创作者、开发者与职场精英等人群提供便利。产品主要优点众多，语音输入速度比打字快5倍，支持全局跨应用适配，可自动去除口头语、智能润色、分段排版，还具备语音翻译等功能。该产品背景是为满足人们在工作场景中更高效输入表达的需求。价格方面，完全免费下载使用。其定位精准，致力于成为用户在各类工作场景下的得力助手，解放双手，提升工作效率。
GPT Image 2.5是AI图像生成与照片编辑器，可依描述创作或编辑图片
GPT Image 2.5是一个独立的AI图像生成与照片编辑网站，并非官方OpenAI网站。它允许用户根据文字描述创建图像，也能对现有照片进行编辑，如更换背景、替换物体、调整光线或改变图像风格等。该产品提供免费试用，注册登录后可获得免费试用额度，付费计划则提供更多使用权限。其定位是为有图像创作和编辑需求的用户提供便捷、高效的工具。
免费在线工具，用AI为截图、笔记等图像中的模糊文字去模糊。
Text Deblur是一款免费的基于AI技术的在线文字去模糊工具。它的主要功能是针对截图、笔记、扫描件和照片中的模糊文字进行处理，通过优化图像的对比度和字母边缘，让模糊的文字变得更清晰易读。该工具的重要性在于为用户解决了因各种原因导致的文字模糊问题，如相机抖动、低分辨率扫描等。其主要优点包括无需注册、无水印、每天可免费处理20张图片，且处理结果以私密链接形式保存24小时。产品定位是为普通用户提供便捷的文字去模糊服务，但不用于恢复故意模糊或遮挡的文字信息。
Alibaba ATH的AI音乐模型，一行文字生成含歌词、演唱和编曲的完整歌曲
Happy Shrimp是阿里巴巴ATH于2026年8月17日推出的AI音乐模型。该模型将音乐视为具有自身语法、语义和上下文的语言，能够将歌词、旋律、编曲和演唱统筹规划，实现端到端的完整曲目生成，无需分别拼凑各个部分。它理解专业音乐术语和日常语言，支持强大的提示控制。产品处于公开测试阶段，与太合音乐集团建立战略合作伙伴关系，并在2026阿那亚虾米音乐节上亮相。价格方面，提供免费层级，也有不同功能和时长的付费套餐可供选择，定位为满足用户轻松创作完整音乐的需求。
快速、准确、私密的语音转文字工具，支持多平台及AI工作流
Aqua Voice是一款语音转文字工具，支持Mac、Windows、iPhone等多平台及AI工作流。其主要优点是快速、准确、私密，能将语音实时转化为清晰文本。产品背景在于满足人们摆脱传统键盘输入，提高输入效率的需求。页面未提及价格信息。该产品定位为提高用户生产力，让用户告别打字，通过语音完成各种文本输入工作。
全球最快语音转文字API，低延迟，跨语言方言，速度与精准度兼备。
Pulse是Smallest.ai推出的一款语音转文字API，其核心技术在于能够以低于70毫秒的超低延迟对全球各种口音、语言和方言进行实时转录，且不损失准确性。该产品定位为满足不同行业对语音转录的高效、精准需求，适用于医疗、法律、金融、媒体、客户支持和企业等多个领域。价格方面，提供按需付费的模式，无月承诺，可随使用量扩展。其主要优点包括行业领先的准确率和速度，在30种语言中实现最低的单词错误率，还具备自动说话人标签、实时情感分析和语言识别等附加功能。
免费图像和文字转3D模型生成器，无需注册，一分钟出结果。
Meshy AI是一款免费的在线工具，可将图像或文字提示转化为带纹理的3D模型。它的重要性在于为3D模型制作提供了便捷、高效的解决方案，降低了制作门槛。主要优点包括完全免费、无需注册、生成速度快，支持多种格式导出。背景是基于多个开源AI模型开发，有Microsoft TRELLIS 2、Tencent Hunyuan3D 2.1等。产品定位是面向广大3D创作者，提供一个快速、易用的3D模型生成平台。
AI 3D 模型生成器，可从文字和图片生成可打印 3D 模型。
Crisp3D 是一款专为 3D 打印打造的 AI 3D 工作室。其重要性在于简化了 3D 模型生成流程，让无 3D 建模经验的用户也能轻松创建模型。主要优点包括无需复杂建模技能、提供完整的 3D 打印工具集、集成多种 AI 模型、可直连切片软件等。产品背景方面，它满足了 3D 打印创作者将创意快速转化为实物的需求。价格方面，文中未详细说明，但提到付费用户可将生成模型用于商业项目，推测有付费模式。定位是服务于 3D 打印相关的各类人群，如爱好者、专业设计师等。
将播客和YouTube视频转为可搜索文字稿，还能生成摘要、导图等。
Readpodcast AI是一款基于网页的生产力工具，可将Spotify、Apple Podcasts播客单集或YouTube视频转换为带时间戳和说话人识别的可搜索文字稿。其重要性在于帮助用户更高效地从音频和视频内容中获取信息。主要优点包括支持多种语言、提供AI摘要、关键要点、精彩金句和思维导图，还能基于完整文稿与AI对话。产品背景是为了满足人们从播客和视频学习的需求。价格方面，有免费套餐每月提供150积分，也有Lite、Standard、Pro等付费订阅方案，适合不同使用频率和需求的用户。
免费创建带声音视频，输入想法或图片，几分钟获电影级AI视频
MiniMax H3是一款真正的多模态AI视频生成器，专为实际制作工作构建。它能将文字、图片、音频和视频片段转化为电影级视频，一次性理解所有参考素材。其优势在于多模态参考、精确编辑和商业级输出，能将任意参考素材融合到一个镜头中，通过自然语言指令进行编辑，以清晰的1440p分辨率配合原生立体声输出商业级成品。该产品支持免费试用，付费方面有年度计划五折优惠活动。它定位为满足各类创作者需求，无论是内容创作、营销推广还是专业影视制作等场景都适用。
将视频和音频转为可搜索、学习、总结、翻译的定时文本
Transcript Video是一款基于网页的工具，可将YouTube视频、普通视频和音频转化为可搜索的定时文本。其重要性在于帮助用户更高效地处理音视频内容，节省时间和精力。主要优点包括支持多种输入源、可生成多种学习资料、具备翻译功能等。产品有免费和付费计划，定位为帮助用户将音视频内容转化为知识资产，适用于学习、研究、内容创作等场景。
免费开源桌面AI语音输入应用，支持多语言和上下文写作
OpenTypeless是一款免费开源的桌面端AI语音输入应用，它支持多达99种语言，具有多提供商语音转文字、AI文本润色等功能。其重要性在于为用户提供便捷的语音输入方式，提高写作效率。该应用可用于邮件、聊天、文档和技术工作等场景，支持多种主流AI提供商，无供应商锁定问题。价格方面完全免费，定位是为需要高效语音输入和文本处理的用户提供解决方案。
© 2026 AIbase 备案号：闽ICP备08105208号-14