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。
从视频链接或上传片段中识别歌曲，数秒出结果。
ClipMelody 是一款在线音乐识别工具，通过音频指纹技术从视频中找出歌曲。用户粘贴 TikTok、Instagram Reels 或 YouTube Shorts 的分享链接，或直接上传本地音视频片段，工具会截取其中的音频并与数千万首歌曲的数据库比对，返回歌曲标题、艺人、专辑、封面、试听以及 Spotify、Apple Music、YouTube 的收听链接。它不依赖上传者标注的“original sound”，而是直接分析音频本身，因此能识别被重新标注为原创声音的已发行歌曲。产品定位为轻量、快速的网页应用，无需安装 App，第一首歌免费，之后按次付费或订阅，只有识别成功才消耗点数。价格提供单次点数包和订阅方案，适合普通听众、内容创作者、DJ 和营销人员使用。
免费阅读YouTube和B站视频字幕，搜索并导出带时间戳的引文。
Vidleaf是一个在线视频阅读工作台，专注于帮助用户高效阅读YouTube和Bilibili长视频。它通过读取平台已有字幕或自动语音转录，将视频内容转化为可搜索的文本。用户可以在文本中搜索关键词，并一键跳转到视频中的对应时刻，快速定位所需信息。支持导出选中的引文，包含时间戳、原文和来源链接，方便用于笔记、论文或内容创作。Vidleaf还提供AI辅助功能，如摘要和翻译，帮助用户理解外语视频或快速获取要点。产品采用免费增值模式，注册即送30分钟转录额度和10次AI任务，后续可通过订阅获得更多配额。界面简洁，支持中英文切换，无需安装，打开浏览器即可使用。Vidleaf定位为知识工作者的生产力工具，尤其适合需要从视频中提取和引用信息的场景。
一站式在线人工智能创作平台，可快速生成视频、图像、语音和音频。
Vidverse AI 是一个一体化在线人工智能创意平台，定位为无需技术技能即可快速制作视频、图像、语音和音频的内容创作工具。用户可以从提示词、脚本、图片、音频参考或简单想法出发，利用平台内置的视频生成、图像生成、语音合成、声音克隆、音画同步、模板库与编辑增强能力，完成从灵感到成品的创作流程。其主要优势是降低专业创作门槛、提升内容生产效率、缩短后期同步时间，并适用于社交媒体、营销、播客、有声书、游戏和设计等场景。价格方面，平台支持免费开始，当前有百分之七十折扣，并采用灵活积分包系统，让用户无需承担预付订阅压力；既有免费试用入口，也可按需付费扩展额度。
LubanAI 提供图像、视频、音频等免费 AI 工具，适合创作者和电商卖家。
LubanAI 是一个面向创作者和电商卖家的在线 AI 工具合集网站，将图像、视频、音频和电商设计工具整合在同一平台。用户无需在多个网站之间切换，即可完成商品图生成、商品视频制作、海报设计、背景移除与替换、图像放大、老照片修复、照片转线稿、文本转语音、语音转文字、语音克隆、视频背景移除和视频配音等任务。平台强调专业工作流，内置提示词优化与多步骤处理，并基于 Nano Banana Pro、GPT Image 2、Seedream、Seedance 等领先模型，为每个任务选择测试表现最佳的模型。价格上，部分工具免费，付费工具消耗统一积分，登录用户每天获得 10 个免费积分并于 UTC 午夜重置；定位是帮助中小商家、内容创作者和电商卖家低成本、高效率地产出可商用的视觉与音频素材。隐私方面，上传内容和结果仅用于完成用户任务，最多保留 30 天并自动删除。
Kling 4.0 AI视频生成，支持文本/首尾帧输入、5-30秒与音频。
Kling 4.0 是一个在线 AI 视频生成模型与创作工作区，支持通过纯文本提示词、首帧图片以及可选的尾帧图片生成 5–30 秒的视频片段。它把镜头调度、场景转换和多段时长控制放进同一个界面，用户无需专业剪辑能力即可完成从创意草案到可预览成片的过程。相比传统实拍或手动动画，Kling 4.0 可以在几分钟内生成多个候选镜头，缩短前期创意验证周期；分辨率覆盖 720p、1080p 和 4K，并可通过可选音频同步生成环境声或对白，帮助创作者在最终导出前判断声音与画面的匹配度。页面还提供 Kling 3.0、Seedance 2.0 等多模型切换，便于用户针对不同项目需求选择模型。价格方面，平台采用积分制，新用户通常可获免费体验额度，后续需要通过订阅计划购买更多积分，目前有年度计划 50% 折扣；4K 输出需要满足相应的年度套餐要求。整体定位是面向创意团队、独立内容创作者和商业营销人员的快速视频原生化工具。
免费在线音频工具，可编辑、转换、压缩、裁剪、合并、测试和分析声音。
MyAudioTools 是一个基于浏览器的免费在线音频工具箱，汇集 48 个面向日常任务的音频工具。它无需注册账号或安装桌面软件，所有处理尽量在浏览器中完成，降低使用门槛并提升工作流效率。平台覆盖音频编辑、格式转换、压缩、标准化、音量提升、母带处理、铃声制作、循环、元数据编辑、视频转音频、音频转 MIDI、均衡、混响、低音增强、夜核、变调、变速、倒放、8D/双耳/空间音频、语音合成与转换、文本转语音、音频转文本、音板、鼓机、节拍器、音调发生器、可视化、歌曲分析、BPM/调性/和弦/LUFS、乐器调音、设备测试等场景。其重要性在于把零散、昂贵的音频处理流程集中到轻量网页中，适合快速完成转换、剪辑、分析和导出，价格免费，定位为创作者、音乐人、播客、学生和普通用户的一站式在线音频工具集合。
通过一个API调用多种AI模型，享受最高90%折扣，自动路由和退款保障。
APIKO是一个统一的AI API聚合平台，旨在简化开发者对多种人工智能模型的访问。它提供文本、图像、视频和音频生成模型的一站式接口，通过OpenAI兼容的端点，开发者可以使用同一个API密钥调用来自OpenAI、Anthropic、Google、DeepSeek等主流提供商的模型。平台的核心优势在于实时价格对比和自动折扣，通常可节省高达90%的成本。APIKO采用自动路由和故障转移机制，确保高可用性，并且仅对成功的请求计费，失败请求自动退款。此外，它还提供详细的定价透明度，包括输入/输出每百万令牌的价格以及缓存价格，帮助用户精准控制成本。该平台特别适合需要多模型集成、成本敏感或追求高可靠性的开发团队。
Qlynic是由Arxeon开发的AI原生电子病历和诊所管理软件。
Qlynic是Arxeon Inc推出的AI原生电子病历（EMR）及诊所管理软件。其重要性在于集成临床记录、AI转录、预约安排、远程医疗和患者沟通等功能，提高诊所运营效率，减少重复录入工作。主要优点包括：所有信息集中管理，避免重复输入；AI转录功能自动生成SOAP病历，节省时间；支持多种医疗相关业务，如处方开具、检查检验申请、医保报销等。该软件提供不同的定价方案，适用于各种规模的诊所。定位为一站式诊所管理解决方案，帮助诊所提升服务质量和管理水平。价格未明确提及，推测为付费使用，可能也提供免费试用。
Sonilo AI为视频匹配音乐与音效，理解视频内容并秒速生成定制音频。
Sonilo是一款基于AI技术的音乐和音效生成平台。其重要性在于为视频创作者提供了高效、精准且符合视频内容的音频解决方案，显著提升视频制作效率和质量。主要优点包括能够根据视频内容自动匹配音频、支持多种视频格式、可自定义音频风格等。价格方面，不同功能和模式收费不同，如视频转音乐和视频转音效每输出一秒需18个信用点，文本转音乐5个信用点，文本转音效4个信用点，同时提供免费试用，有2000个信用点且无需信用卡。该产品定位为面向视频创作者、游戏开发者、影视制作团队等人群，帮助他们轻松获得合适的音乐和音效。
提取内嵌字幕、转录语音、翻译字幕，本地处理，40+语言支持
GeekLink 是一款专为 Mac 和 Windows 系统设计的桌面应用程序。它提供了字幕提取、翻译、语音转录等功能，能够在本地运行，无需上传文件，保证了数据的安全性。该应用支持 40 多种语言的翻译，为全球用户提供了便利。产品价格方面，提供 7 天免费试用，之后需付费购买许可证，有月计划、年计划和终身计划可供选择，终身计划包含未来所有更新，且附带的 24000 个 AI 积分永不过期。其定位是满足用户对视频字幕处理的各种需求，无论是追剧爱好者、创作者还是专业字幕编辑人员，都能借助该工具高效完成工作。
可从文本、图像生成AI视频，对比模型，控制成本，功能丰富。
VideoAny是一个集成了多种AI视频、图像和音频生成功能的网站。它提供了丰富的AI模型，能将文本、图像或视频片段转化为视频，还具备图像编辑、音频生成等功能。其重要性在于为用户提供了一站式的AI创作平台，降低了创作门槛。产品的主要优点包括支持多种输入形式、可对比不同模型效果、能控制生成成本等。背景信息显示它由VaVa AI Labs开发。价格方面，有50%折扣活动，部分生成需消耗信用点数，用户可能获得启动活动或奖励信用点数，但免费信用点数并非无限使用。产品定位是面向有视频创作需求的个人和企业，提供便捷的AI创作工具。
从文本或图像生成5 - 15秒视频，自带同步音频，提示词可复用，定价透明。
MiniMax H3 Max是基于开源权重H3 base进一步训练的变体模型，聚焦于快速的文本到视频、首帧到末帧的图像到视频的生成，生成的视频自带同步音频。该产品可以渲染480P或768P，帧率为24 FPS，时长在5 - 15秒的视频。其优势在于渲染速度快、方向更明确，还支持可视化的成本估算。产品提供年度计费和月度计费，年度计划费用比12个月的月度支付大约便宜50%。它主要定位为一个快速视频生成工具。
将YouTube视频转为转录文本、AI总结，支持聊天问答，17种语言，免费开启。
Claras是一款能将任何YouTube视频转化为即时转录文本、带有可点击章节的AI总结，并提供可进行问答的聊天功能的工具，支持17种语言。它免费向用户开放使用，其重要性在于方便用户快速获取视频核心信息，节省时间和精力。用户无需安装软件，在浏览器中即可使用，也无需提供信用卡信息，只需粘贴YouTube链接即可开始。该产品主要面向需要处理YouTube视频内容的用户，如研究人员、学生、创业者等，可帮助他们提高信息获取和处理的效率。
一站式云平台，提供500+生成式AI模型用于图像、视频、音频创作。
Varo.cloud是一个面向创作者的生成式AI云平台。其重要性在于整合了全球领先的生成式AI模型，为用户提供了便捷、高效、低成本的创作环境。主要优点包括：拥有统一API，可加快开发速度；降低成本，通过优化模型访问和按使用量定价，可将创意AI成本降低达10倍；支持零日模型访问，能第一时间使用最新模型。该平台定位为助力创作者和开发者，无需管理完整基础设施栈，即可构建和部署AI驱动的创意产品。价格方面，不同模型有不同的标准价格和Varo.cloud提供的优惠价格，按使用量付费。
AI转录工具，支持130种语言，快速准确，可免费试用300分钟。
Hoocs AI是一款基于人工智能技术的转录工具，可将音频和视频快速、准确地转换为文本、摘要和字幕，支持130种语言。其核心技术在于先进的AI算法，确保了高准确率和快速转录速度。产品的主要优点包括：高精度的转录结果，速度比传统方法快10倍；支持多种文件格式的导入和导出；能保障数据的隐私和安全，采用端到端加密处理。该产品面向专业人士、学生和创作者等广泛群体，提供免费试用，之后可根据需求选择付费订阅。
将视频转换为带截图、时间戳和AI总结的笔记，高效准确
Vid2notes是一款基于网页的多媒体应用程序，主要功能是将视频或音频文件转化为带截图、时间戳和AI总结的笔记。其重要性在于节省用户整理资料的时间，提高学习和工作效率。产品的主要优点包括准确的转录（结合屏幕视觉和先进语音识别技术）、支持98种语言、可实现10小时长文件上传等。背景是为满足用户对视频和音频资料高效整理的需求。价格方面，有免费版和付费的无限版，免费版每天可免费处理3个文件，每个文件最长30分钟；无限版每月10美元，按年计费120美元，可享受无限转录等所有功能。该产品的定位是为学习、工作场景提供高效的资料整理解决方案。
使用AI按说话者分离音频，可将混合音频拆分为独立音轨并在线预览下载
Seply是一个在线AI音频分离工具，主要功能是通过AI技术将播客、访谈、会议或视频中的音频按说话者分离成独立音轨。其重要性在于为音频和视频编辑人员提供了极大便利，能够节省大量手动分离音频的时间和精力。主要优点包括支持30种语言、无需安装、无需手动剪辑、支持多种音频和视频文件格式、自动对齐时间轴等。产品背景是满足市场上对于高效音频分离工具的需求。价格方面，提供免费试用（30个学分，一次有效，可进行长达3分钟的标准分离和长达90分钟的语音转文本），还有多种月度计划和学分包可供选择，如每月12美元的入门计划（200学分）等。产品定位是面向需要处理多说话者音频的专业人士和普通用户，帮助他们更轻松地进行音频编辑和处理。
© 2026 AIbase 备案号：闽ICP备08105208号-14