AI语音识别-音转文

听脑AI是一款AI智能语音助手，专注于语音转文本和实时录音总结，提供音视频转文字、实时录音转文本、AI总结、章节速览等功能。用户可以通过自由拖动文本查看音视频进度，享受便捷的智能记录体验。

Deepgram是一个提供先进的AI语音识别和自然语言处理技术的平台，核心产品是强大的语音到文本（Speech-to-Text）和文本到语音（Text-to-Speech）API，让开发者能够快速将语音转录和理解功能集成到他们自己的应用程序和服务中。

一款在线视频编辑软件，使用AI和语音识别为你编辑视频

微软语音服务，提供语音到文本、文本到语音和语音翻译功能。

ModelArts是华为推出的面向开发者的一站式AI平台，可快速创建和部署模型，管理全周期AI工作流。ModelArts为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型。ModelArts适用于图像分类、物体检测、视频分析、语音识别、产品推荐和异常检测等多种AI应用场景，并且支持开发者在AI市场中分享和获取模型。

Felo Translator 是一款先进的AI翻译工具，使用全球首创的RRT技术实现快速语音识别，具备实时翻译、同声传译等能力，可即时消除语言障碍，促进无缝沟通，无论是用于商务、旅行还是跨文化互动，Felo实时翻译都能成为您可靠的助手。Felo Translator在各种场景中都表现出色，帮助您跨越语言界限，畅享流畅沟通体验。

Kimi智能助手是由月之暗面公司（Moonshot AI）于2023年10月推出的一款智能AI助手产品，具有大容量知识库，擅长中文和英文的对话，可以帮助用户解决各类问题。Kimi智能助手具有极高的智能交互能力，可以帮助用户进行智能对话、问题解答、信息搜索与提供、语音识别与交互、文件阅读处理、联网搜索、数据处理、创作与优化等多种功能。

Moshi Chat 是由法国非营利性AI实验室 Kyutai 推出的一款端到端实时AI语音助手，Moshi Chat 不仅可以实时收听，还能进行自然对话，支持多模态交互，包括看、听、说的能力。Moshi Chat 能够理解用户的语调，可以在任何时刻进行听和说的同步操作。此外，Moshi Chat 具备表达和理解多种情感的能力，能够模拟70种不同的情绪和风格，提供流畅的对话体验。

音记AI是一款专注于音视频内容处理的AI语音转录工具。音记AI利用人工智能技术，为用户提供包括音视频转录、翻译、总结等多种功能，可以快速将音视频内容快速转化为文字记录，并提供多种语言支持。无论是转录音视频文件、麦克风音频还是实时转录应用，音记AI都可以准确的在本地为你转录为文本，帮助用户高效吸收信息，提升学习和工作效率。

音刻是一款专注于音视频转录的在线AI工具，音刻通过先进的语音识别技术，可以快速将音频或视频文件转换为文本。音刻提供音刻笔记、转录工具、音频剪辑工具等，并支持多种语言和文件格式。用户可以使用音刻笔记优化工作流程，即时将转录内容生成精美笔记，或通过AI优化草稿，节省时间，提高生产力！

青柚面试是一款简单好用的日语面试辅助工具，可以帮助用户在日语面试中提升表现、优化语言表达。青柚面试使用最新的AI技术，为你在日语面试过程中的保驾护航，轻松拿 Offer。青柚面试通过模拟真实的面试场景，提供实时的语音识别和反馈，帮助用户发现并改正发音和语法错误，从而在面试中表现得更加专业和自信。

超级椰子（Super Coco）是一款专为Mac用户设计的AI语音输入法助手工具，由即刻旗下团队打造。超级椰子深度集成了AI大语言模型与系统级语音识别技术，主打 「语音输入+AI 处理+全局操作」一体化，用户只需通过语音指令，即可实现文本润色、即时翻译、自动化办公及本地化操作，无需在多个软件之间切换，解决传统键盘输入效率瓶颈。超级椰子目前仅支持MacOS版，基础功能可以免费使用，部分高级功能需云端联网运行。

NotchLive 是一款面向 Mac 的本地优先实时字幕、语音识别、转录和翻译应用。它可以为 Zoom、Google Meet、Teams、视频、播客和系统音频生成私密实时字幕，将语音转换为文本笔记，并支持实时翻译。NotchLive 不作为会议机器人加入通话，适合需要会议字幕、多语言沟通、本地转录和 Mac 语音转文字工作流的用户。

面灵AI是一款面向求职面试场景的AI辅助工具，支持实时语音识别、面试问题分析、智能提词和回答参考生成等功能。面灵AI适用于校招、社招、技术面试和在线面试等场景，可帮助用户在面试过程中获取实时辅助信息。本页提供面灵AI的功能介绍、应用场景、使用方式及官方访问入口。

Facebook AI推出了一款多语言语音识别模型，它是目前最先进的系统之一，可以同时支持多种语言的语音识别，包括非标准化和口音较重的语音。该模型使用了先进的深度学习技术和自监督学习方法，以更好地利用大量未标记的数据进行训练，并在多项基准测试中取得了最优秀的结果。这一技术的应用可以极大地提高语音识别的准确性和可用性，为用户提供更好的语音交互体验。