HeidiHeidi 是面向临床医生的 AI 诊疗助手,可自动完成病历书写、语音转录、医学检索以及患者诊疗各环节的行政事务,让医生把时间还给患者。4.6CartesiaCartesia 是一个实时语音 AI 平台,通过单一 API 提供低延迟的文字转语音、语音转文字以及可用于生产环境的语音 Agent,支持 44 种语言,适合构建实时语音交互应用的开发者和产品团队。4.3 R RevRev 是一个语音转文字平台,提供 AI 与人工转录、字幕等服务,适合需要将音视频内容转化为准确文字记录的专业人士使用。4.3TranskriptorTranskriptor 是一款 AI 转录与会议助手,可将音视频文件转换为可编辑、可检索的文字,支持 100 多种语言,并提供 AI 摘要与对话问答,适合需要会议记录的职场人士和学生。4.1FunASR - End-to-End Speech Recognition Toolkit - 高效语音识别FunASR 是一款工业级端到端语音识别工具包,支持 50+ 语言,GPU 上可达 170 倍实时率,并提供说话人分离、情感检测与 OpenAI 兼容 API 等能力。4.0IBM Watson text-to-speech提供多语言语音转文本API,支持SaaS及本地化部署。4.0NaturalReaderNaturalReader 是一款 AI 文字转语音平台,可将文档、网页和扫描文本转换为自然的语音,适合个人、商业和教育场景使用。4.0VoxCPM - 开源音频生成VoxCPM 是新一代富有创意与表现力(Creative & Expressive)的开源音频生成平台。它依托先进的大语言模型(LLM)音频对齐技术与先进的扩散解码架构,致力于提供电影级、广播级的语音合成体验。4.0 T TurboScribeTurboScribe 是一款 AI 转录服务,可将音频和视频文件转换为文字,支持数十种语言,适合专业人士与内容创作者使用。3.5MP3ToText【产品简介】 MP3 to Text(mp3totext.io)是一款面向全球用户的在线 AI 语音转文字工具,帮助用户将 MP3、WAV、M4A、MP4 等音频/视频内容快速转换为可编辑、可搜索的文本。无需安装软件,打开浏览器即可使用。 【核心功能】 · 免费在线转录:访客可直接试用;注册后可保存历史记录,并获得更高每日额度 · 文件上传:上传本地 MP3、WAV、M4A、MP4 等音视频文件,即可开始转录 · 多格式支持:兼容 MP3、WAV、M4A、FLAC、MP4、MOV、WebM 等常见音视频格式 · 150+ 语言识别:支持自动检测或手动选择音频语言 · 时间戳与说话人识别:生成带时间轴的结构化文稿,便于定位与引用 · AI 智能增强:可生成内容摘要、思维导图,帮助快速理解长录音 · 在线编辑:支持段落编辑、全文搜索与替换,便于校对和修改 · 多格式导出:支持 TXT、PDF、DOCX、CSV、SRT、VTT 等格式,满足字幕、文档、研究笔记等需求 · 字幕生成:可生成 SRT/VTT 字幕文件,适用于视频创作与后期制作3.4Video Transcriber AIVideo Transcriber AI 是一款免费在线工具,可将视频和音频转为文字,支持 YouTube 链接、Zoom 录像、MP4 文件及 200 多种语言,无需注册。3.4Instagram TranscriptInstagram Transcript 是一款专为内容创作者与视频剪辑师打造的 AI 语音转文字工具。只需粘贴公开的 Instagram Reel 或视频链接,即可秒级生成带精准时间戳的逐字稿,支持一键导出 TXT、SRT 与 VTT 字幕,首次使用 100% 免登录体验!3.3LingvanexLingvanex 为开发者和企业提供机器翻译与语音识别服务,支持文本、语音和文档的多语言处理。3.3听脑AI - 录音助手听脑AI是一款专业智能录音转文字工具,采用AI技术实现98%准确率的实时语音转写,支持多场景会议记录与智能总结,3分钟即可处理1小时会议内容。3.0IntentIntent is an AI-driven cross-language messaging app with real-time translation, AI voice cloning, speech-to-text transcription, writing suggestions, and tone guidance—so you can truly connect using your own language.3.0讯飞文书讯飞文书提供智能化文档创作与办公效率提升解决方案。3.0Plaud.ai - World's No.1 AI Note-takingPlaud.ai 是全球领先的AI笔记品牌,提供AI录音和笔记服务,已获得超过100万用户的信任。3.0SpeechifySpeechify 是一款文字转语音与语音 AI 应用,可在各类主流设备上朗读 PDF、文档和网页,也能把语音转为文字,适合学生、职场人士和有阅读障碍的用户。3.0IndexTTS简介 index-tts/index-tts 是一个工业级的可控、高效零样本文本转语音(Text-To-Speech, TTS)系统。该项目旨在提供高质量、自然且灵活的语音合成解决方案,使用户能够通过简单的文本输入生成逼真的语音,而无需预先录制或训练特定说话人的模型。它基于先进的深度学习技术,实现了从文本到语音的快速转换,同时保持对语音风格、情感和韵律的精细控制。 主要功能 零样本语音合成:无需针对特定说话人进行训练,即可生成任 …3.0VocemoVocemo is an on-device AI toolkit for macOS. It types what you say into any app, transcribes recordings with speaker labels and captions, reads text aloud, answers questions about what is on screen, converts documents, and translates. Every model runs on your own Mac, so no file, recording or word is ever uploaded. The installer is 5.5 MB because models download only for the features you use, and shut down when idle. One subscription covers every feature on up to three Macs, with a seven day free trial.3.0Voiceslab - Free AI Voice CloningClone your voice with AI: record a short sample, then generate speech from any text that sounds just like you. Free voice cloning for creators.3.0Lovevoice免费 AI 语音生成器——提供 300+ 种逼真的文字转语音(TTS)音色,覆盖 70+ 种语言,支持 MP3 下载。3.0AI Interview CopilotAI Interview Copilot 是一款面向求职者的 AI 面试助手,支持 57 种语言实时语音转写、截图识别,并借助 GPT-4o 实时生成技术题与算法题答案。Deepgram Voice AIDeepgram Voice AI 是面向开发者的语音平台,提供语音转文字、文字转语音和语音代理 API,适合构建需要实时对话能力的企业级对话应用。DictanoteDictanote 是一款内置语音输入功能的笔记应用,支持用 50 多种语言口述笔记,可在键盘输入与语音输入之间自由切换,适合打字慢或更习惯说话的用户。GladiaGladia 是一个语音转文字 API 平台,支持 100 多种语言的录音、转写与音频增强,帮助开发者构建会议助手、语音智能体和呼叫中心产品。HelloScribeHelloScribe 是一款以语音为先的 AI 写作平台,专为习惯用说话来思考的专业人士打造,把口述的想法整理成可继续打磨的书面记录。InkrInkr 是一款转录应用,能将音频和视频录音快速转换为准确的文字,适合需要可靠转录稿的专业人士、学生和内容创作者使用。Inworld AIInworld AI 为开发消费级应用的团队提供实时语音模型(文字转语音、语音转文字、语音到语音)以及托管的开放 LLM 推理服务,适合 AI 陪伴、教育、客服语音代理与游戏等场景。Movavi Video EditorMovavi Video Editor 是一款面向新手和日常创作者的桌面视频剪辑软件,内置自动字幕、降噪、静音检测等 AI 工具,帮助用户快速做出成片。OllangOllang 是面向企业的本地化平台,用 AI 自动完成翻译、配音、字幕、审校与交付,覆盖视频、音频、网站、产品及直播内容,适合需要审校与交付管控的团队。RecCloudRecCloud 是一个网页端 AI 平台,提供语音转文字、文字转语音、字幕生成、视频翻译和屏幕录制等功能,适合创作者、教育工作者和营销人员使用。Rekam AIRekam AI 是一款 freemium 模式的 AI 音频工作台,集文字转语音、语音转文字与声音克隆于一体,适合需要制作配音和播客的创作者、教育者与团队。ScribeberryScribeberry 是一款加拿大开发的 AI 医疗书写工具,可聆听患者就诊过程并生成结构化临床笔记、信函和表单,适用于各类 EMR 系统,已有 30,000 多名医务人员在使用。Vatis TechVatis Tech 是一款语音转文字平台及 API,支持 50 多种语言的音视频转写,宣称准确率达 95% 以上,并提供摘要、说话人区分和多格式导出,适合播客作者、记者和开发者使用。Wondershare UniConverter 18Wondershare UniConverter 18 是一款面向 Windows 和 Mac 的桌面视频工具箱,支持转换、压缩、增强和录制 4K/8K 视频,覆盖 1,000 多种格式,适合视频剪辑者和内容创作者。