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。

这是 CapsWriter-Offline ，一个 PC 端的语音输入、字幕转录工具。 两个功能： 视频教程： CapsWriter-Offline 电脑端离线语音输入工具 对 Windows 端： 其它系统： 模型说明： 下载地址： （百度网盘容易掉链接，补链接太麻烦了，我不一定会补链接。GitHub Releases 界面下载是最可靠的。）

网易见外工作台聚焦面向人工智能创作与应用的在线工具，适合创作者、开发者和需要提升效率的用户使用。，官网域名为jianwai.youdao.com。适合需要相关工具与资源的个人用户、创作者或团队使用，可从官网了解最新功能、使用方式和服务条款。

AI字幕工具，支持英语、日语、韩语、法语、西班牙语、意大利语、葡萄牙语、德语、中文等20多种不同国家语言，ChatGPT生成台词摘要，给视频自动加字幕，高精度AI语音转写模型，语音识别字幕，支持SRT和ASS格式字幕。

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。

快转字幕聚焦面向人工智能创作与应用的在线工具，适合创作者、开发者和需要提升效率的用户使用。，官网域名为kzzimu.com。适合需要相关工具与资源的个人用户、创作者或团队使用，可从官网了解最新功能、使用方式和服务条款。

听脑AI聚焦面向人工智能创作与应用的在线工具，适合创作者、开发者和需要提升效率的用户使用。，官网域名为itingnao.com。，涉及视频音频适合需要相关工具与资源的个人用户、创作者或团队使用，可从官网了解最新功能、使用方式和服务条款。

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。

当前支持的模型： ✅GPT-3.5 所有版本以及 Embedding 官方接口：支持最新 gpt-3.5-turbo-0125、text-embedding-3-large、text-embedding-3-small 模型。 ✅GPT-4 所有版本官方接口：支持最新 gpt-4-0125-preview、gpt-4-turbo-preview、gpt-4-1106-preview、gpt-4-vision-preview 等模型 ✅GPT-4-32K 所有版本官方接口（32K 系列为老模型，价格贵）。 ✅OpenAI 文本转语音模型：tts-1、tts-1-1106、tts-1-hd、tts-1-hd-1106 ✅OpenAI 语音转文本模型：whisper-1 ✅OpenAI embedding 模型：text-embedding-ada-002、text-embedding-3-small、text-embedding-3-large（官网原价渠道，实际价格及倍率对标原价） ✅Claude3 模型：claude-2、claude-3-opus-20240229、claude-3-

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。

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。

Whisper 是一种通用语音识别模型。它利用各种大型数据集上的音频进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。 在第一次使用 Buzz 的时候，会下载 Whisper 的模型，根据不同的质量要求，模型尺寸也非常可观： Whisper模型存储在~/.cache/wilsper中。 Whisper.cpp模型存储在~/Library/Caches/Buzz（Mac OS）、~/.cache/Buzz（Unix）或C:Users<username>AppDataLocalBuzzBuzzcache（Windows）中。 Hugging 模型存储在~/.cache/huggingface/hub中。 https://github.com/chidiwilliams/buzz

飞书妙记是飞书旗下的一款智能会议纪要工具，专注于音视频转文字功能，旨在提升会议、培训、访谈等场景中的效率与便捷性。飞书妙记提供实时语音转文字、智能摘要、多语言翻译、关键词提取以及互动功能等，能够将音视频内容快速转化为可编辑的文档，显著提升了会议记录的效率和质量。飞书妙记集成于飞书平台，包括网页版和App版，每天登录可赠送2小时的免费转录时长。

解决2个问题： （备注：如果你对字幕质量要求很高，想要信达雅，最好还是雇人翻译。机器翻译的准确度区间 50%~85%） 软件分为两个版本: 重要说明：专业版的”无上限”指的是软件本身不做任何使用量的限制（免费版会做限制，参考上一段说明） “无上限”和服务商没有任何关系，”无上限”不等于免费， 服务商该怎么计费还是怎么计费，服务商怎么收费不会受到软件是”免费版”还是”专业版”的影响。 举个实际例子，阿里云的语音转文字服务，每天的免费额度是2小时（有效期3个月） 假设你连续5天，每天都把2小时的免费额度用完， 那么在第6天，虽然阿里云的免费额度还有，但是软件的免费版10小时已经到了，就会提示无法继续使用了。 除非等到下个月1号重置，或者随便买一个专业版（比如7天的专业版) 就可以继续使用了。 查看表格: 免费额度和价格 说明：所有语音转文字服务商都支持”任务历史”功能， 意思是只要文件成功传给服务商，服务商开始处理了，那么就可以关掉软件，不需要一直开着。 过一阵子再回来看任务做完没 基本概念： 推荐先申请 百度 ，因为免费额度无限，而且注册流程较快，无需等待人工审核，照着”使用教程”一步步

Notta是语音转文本工具，能将音频和视频内容实时转录成文字，支持多达 58 种语言。工具自动生成会议摘要、提取关键信息和行动项，将重要内容剪辑成片段分享给团队成员。