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。
面向智能体（AI Agent）的视频编辑器，由开源HyperFrames团队打造。
HyperFrames Studio 是 HeyGen 团队在开源 HyperFrames 框架之上构建的视频编辑器，定位为“为 Agent 而生的视频编辑器”。它将视频创作从传统时间轴转变为 HTML/CSS 代码工程：用户或 AI 智能体可以直接编写网页动画，再由引擎以确定性方式渲染为 MP4。这种方案让视频可版本控制、可测试、可批量生成，尤其适合把大模型和智能体接入视频生产流程。产品继承了 HeyGen 在 AI 视频生成领域的技术积累，同时开放底层框架，开发者可自托管或嵌入自己的应用。当前页面未明确标注付费价格，底层框架开源，Studio 处于开放使用阶段，基础能力可免费体验。
面向舞台和空间的实时AI视频转换。无需渲染，即刻播放。加入测试版！
Oylo是一款面向舞台、演出与沉浸式空间的实时AI视频转换工具。其核心价值是以AI模型在视频播放过程中直接完成风格/氛围转变，彻底省去传统视频特效的预渲染与等待流程，做到“无需渲染，只需播放”。产品当前处于Beta阶段，定位是连接AI视觉生成与线下实景体验的创作层，主要服务视觉设计师、策展人和活动团队；用户可通过官网申请加入Beta并以免费试用方式体验，最终商业化价格尚未公布。
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。
面向室内设计师的工作流软件，从平面图到可购买的房间方案一站式解决。
Decato是一款专为室内设计师打造的工作流软件。它具有独特的AI代理功能，能基于平面图和设计要求，完成从布局规划、家具采购、渲染到客户演示文稿制作的全流程工作。产品核心优势在于使用真实可购买的家具，确保渲染和方案中的每一件物品都能从合作零售商处实际订购，同时还能对家具与房间的适配性进行严格验证。其价格方面，Mac应用程序可免费下载，付费计划则涵盖渲染和采购量相关服务。该产品旨在简化室内设计工作流程，提高设计师的工作效率，为设计师提供一站式的解决方案。
免费开源桌面动效编辑器，采用AE键盘和图层模型，所见即所得。
Premation是一款免费且开源的桌面动效编辑器，它采用了Adobe After Effects的键盘和图层模型，降低了用户的学习成本。其视口和导出器使用相同的GPU引擎，能确保预览和导出的画面一致，实现所见即所得的效果。这款产品为那些想要进行动效设计但又希望使用开源免费工具的用户提供了一个优质的选择，特别适合追求高效、精确和低成本的动效设计场景。
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。
上传SketchUp、Revit或CAD文件，20秒出逼真建筑渲染图，首单免费。
ArchVizr是一款基于人工智能的建筑渲染工具，其重要性在于为建筑师、学生和开发商等提供高效、便捷的建筑渲染解决方案。主要优点包括渲染速度快，仅需20秒即可出图；能保持建筑几何结构和相机位置不变；支持从参考图像进行风格转移；可在不同光照条件下渲染。产品背景是为满足那些没有可视化预算的个人和团队的需求。价格方面，首次渲染免费，之后的收费模式未详细提及。定位是面向独立建筑事务所、建筑学学生和房地产开发商等用户群体。
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。
© 2026 AIbase 备案号：闽ICP备08105208号-14