AI 工具目录

Koe是一款基于OpenAI Whisper模型的AI语音转写工具，核心定位为用户提供高效准确的音视频内容文字转换服务。核心功能包含多格式音视频本地转写、实时视频字幕生成、多语种AI翻译、语音即时听写，同时对外提供标准化API接口便于二次开发。目标用户覆盖内容创作者、媒体从业者、翻译工作者、会议组织者、学生群体等，可应用于视频字幕制作、会议记录整理、访谈内容转写、外语学习资料处理、音视频内容归档等多个场景，所有转写任务均在本地完成，可有效保障用户数据隐私安全。

Audio Writer是一款专注于语音转文字及内容加工处理的在线工具，核心定位为语音内容数字化与结构化整理助手。其核心功能包括实时多语言语音转录、AI驱动的内容风格重写、多格式内容导出，同时支持转录内容自动纠错，降低后续人工校对成本。该工具面向内容创作者、商务人士、学生、记者等群体，可应用于会议记录整理、采访内容转录、学习笔记速记、演讲稿草稿生成、播客内容文字化等多种场景，帮助用户降低语音内容转文字的时间投入，提升内容产出效率。

Forever Voices是专注于AI语音合成的在线服务平台，依托智能算法与语音技术为用户提供定制化的语音生成能力。核心功能包括多语言多风格文本转语音、自定义声音克隆、长文本分段合成导出，服务覆盖内容创作、商业营销、有声读物制作等多个领域，面向个人用户、内容创作者、营销从业者、教育工作者、有声读物制作人、无障碍服务开发者等群体，满足不同场景下的语音内容制作、数字内容配音、信息无障碍适配等需求。

Babbly是一款面向婴幼儿家庭的AI工具，核心定位是辅助早期言语治疗与婴儿发展监测，帮助家长记录婴幼儿言语发展进程，识别潜在发育问题。该工具可自动分析婴幼儿的语音发音数据，生成可视化发展报告，对接专业言语治疗资源，支持家长日常追踪发育状态，也可供言语治疗师辅助开展临床工作，适合有0到5岁婴幼儿的家庭、儿童言语保健从业者使用，可应用于家庭日常发育记录、发育风险筛查、治疗进程追踪等场景。

Poddy.ai是面向播客创作者的AI辅助创作工具平台，核心定位为一站式播客生产解决方案。平台支持AI剧本自动生成、多语言音视频转录、精彩片段智能剪辑、AI语音合成四大核心功能，同时提供播客内容优化、多平台格式适配等配套服务。目标用户覆盖新手播客创作者、自媒体运营者、教育机构内容生产者、企业内部宣发人员等群体，可应用于个人兴趣播客制作、知识付费音频内容生产、企业品牌播客打造、访谈类节目后期加工等多种场景，帮助用户降低播客制作的技术门槛，缩短内容生产周期。

Amurex是一款开源AI工具平台，致力于帮助用户整合分散知识、统一工作流程并完成任务自动化。平台支持连接多种外部数据源与应用工具，可基于用户自有知识生成定制化AI响应，帮助团队或个人消除信息孤岛，简化重复工作流程。核心功能包含知识库整合、AI工作流编排、任务自动化执行、外部工具连接与本地部署支持，面向开发者、团队运营者、内容创作者、研究人员等用户，适合日常知识管理、批量任务处理、跨工具协同工作等多种使用场景。

TTSMaker是一款在线文本转语音工具，支持多语言AI语音生成，可将文字内容转换为自然流畅的语音音频。核心功能包括多语种文本转语音、语音语速语调调整、免费商用音频输出、批量文本处理以及语音格式导出，支持不同音色选择适配多种内容需求。目标用户覆盖内容创作者、外语学习者、视障人士、跨境运营人员、有声内容制作者等，适用于制作有声读物、学习外语发音、生成视频配音、制作商品讲解音频等多种场景。

Rev AI是面向开发者和企业用户的语音AI服务平台，专注于提供多场景语音转文本及相关自然语言处理能力。核心功能包括多语言高精度语音转录、实时流语音识别、多维度自然语言分析，同时支持人工转录校对服务，可满足视频平台、在线会议、客服系统、内容创作等多领域的语音数据处理需求，帮助用户降低语音转写成本，提升内容处理效率。

Whisper Web是一款基于OpenAI Whisper模型、完全运行在浏览器端的隐私型AI语音转文字转写工具，核心定位是为用户提供无需上传音频文件到服务器的本地转写服务。该工具支持多种格式音频导入、自定义转写参数、多语言识别、结果导出等功能，无需下载安装客户端，也不需要注册账号即可使用。目标用户涵盖需要整理采访录音的媒体从业者、需要转写课程录音的学生、需要记录会议内容的职场人士等，适合对语音转写隐私有要求的各类使用场景。

Google Illuminate是谷歌推出的实验性学术内容转换工具，核心定位是借助人工智能技术将学术论文转化为自然的音频讨论内容。核心功能包括学术论文内容智能解析、双AI角色语音对话生成、学习偏好自适应调整三类，可支持用户上传或选择平台收录的学术论文，生成两个AI角色围绕论文核心观点展开讨论的音频文件，同时可根据用户的知识基础、学习节奏调整内容讲解深度。目标用户覆盖科研人员、高校学生、学术爱好者等群体，适用于通勤途中听论文、碎片化时间学习前沿研究、辅助理解复杂学术内容等多种场景，帮助用户降低学术内容的理解门槛，提升知识获取效率。

Speech To Text AI是一款专注于音频内容转文字处理的在线工具，核心定位是为有音频转录需求的用户提供便捷的智能转换服务。核心功能包含本地音频文件转录、YouTube视频链接转录、多语言内容识别三大模块，支持常见音频格式解析，识别准确率适配常规口语、专业内容等不同音频场景。工具面向内容创作者、学生、职场人士、媒体从业者等群体，可应用于课程录音整理、访谈内容转写、视频字幕提取、会议记录归档等多个场景，无需下载安装客户端，打开浏览器即可使用。

AdutorAI是一款专注于音频转样式化文本的智能内容处理平台，核心功能包括音频转写、多模板文本生成、多语言内容处理、文本编辑优化等。平台支持用户上传不同格式的音频文件，可根据实际需求选择对应内容模板，快速生成符合使用场景的结构化文本，同时提供摘要生成、多语言翻译、文本长度调整等配套工具。目标用户覆盖内容创作者、职场办公人群、学生群体、新媒体运营者、商务人士等，可应用于会议记录整理、社交媒体内容创作、邮件撰写、课程笔记梳理、采访内容转写等多个场景，帮助用户提升内容生产和处理的效率。

VoiceDual是一款基于人工智能技术的语音转换工具，核心定位是为用户提供多语言语音转换与声音特效处理服务。核心功能包括跨语种语音转换、自定义声音特效制作、批量语音处理，支持30余种语言的互转，可满足视频创作者、自媒体从业者、配音爱好者等不同人群的需求。适用于多语言视频配音制作、播客内容本地化适配、趣味语音内容创作、外语口语发音模拟等多种场景，能够帮助用户提升内容制作效率，拓展内容的传播覆盖范围。

Napi Bot是一款提供Google Assistant对接智能家居设备接口的开发服务平台，核心为开发者提供自定义设备接入、规则配置、状态同步等核心功能，面向智能家居开发人员、智能家居玩家、物联网创业团队等用户群体，可用于实现非官方支持的智能家居设备通过Google Assistant语音控制，满足个性化智能家居场景搭建需求。

Page2Voice是一款支持本地运行的AI文本转语音工具，核心定位为帮助用户将网页文本转化为自然流畅的语音内容。它支持直接提取网页文本内容生成语音，可自定义语音参数，支持离线使用，无需上传内容到第三方服务器。核心功能包含网页文本提取朗读、本地语音生成、自定义语音风格、音频导出保存、隐私内容语音朗读等，适合需要听读网页内容、保护个人隐私的用户使用，可应用于通勤听文章、闭目浏览网页内容、视力障碍用户获取网页信息、整理网页内容笔记等多个场景。

Voxdazz是一款依托人工智能技术实现名人声音模仿与音视频生成的在线平台。核心功能包含多品类名人声纹模板匹配、文字转名人语音生成、对应口型匹配视频输出三大模块，覆盖娱乐内容创作、趣味社交素材制作、创意内容二次加工等使用场景，面向内容创作者、社交平台用户、创意爱好者等群体，用户仅需选择对应声音模板、输入自定义文本内容，即可快速生成带有对应名人语音效果的音视频内容，满足各类趣味创意内容的制作需求。

GPT Realtime 2是专注于低延迟AI语音合成服务的开放平台，同时面向开发者与普通用户提供差异化服务。平台核心支持低延迟流式语音合成、自然语调生成、多风格音色切换三大核心能力，普通用户无需注册即可在线试用语音生成效果，开发者可获取商用API接口将AI语音能力集成到自有产品中。目标用户覆盖应用开发者、内容创作者、语音产品创业者、有声书制作人员、教育内容创作者等群体，可满足产品原型验证、语音内容生成、功能集成测试、有声内容制作等多场景使用需求。

Ankara AI是基于人工智能技术开发的视频旁白生成工具，核心定位是帮助用户快速为各类视频生成匹配的语音叙述内容。平台支持本地视频上传、多音色语音选择、自定义叙述提示词输入三大核心功能，可自动完成语音旁白的生成与合成，最终输出带有匹配旁白的完整视频。目标用户覆盖视频创作者、运营人员、教育工作者、企业宣传人员等群体，适用于短视频旁白制作、课程视频配音、产品宣传视频解说、公益科普视频语音生成等多种场景，无需用户掌握专业配音技能即可完成视频旁白的制作流程。

Speechllect是一款基于自主研发Sense Theory数学理论的语音交互AI解决方案平台，核心提供实时语音转文字、文字转语音双向转换能力，可识别语音内容的语义信息，生成带有自然语调和特定调性的拟人化语音输出。平台支持便捷的API集成能力，面向企业开发人员、内容创作者、智能设备厂商等用户群体，可应用于呼叫中心交互、游戏角色配音、虚拟助手对话、智能家居语音交互、音频内容制作等多种场景，帮助用户降低语音交互功能的开发成本，提升语音内容的自然度与语义匹配度。

Gpt-Realtime-2是一款支持实时推理、工具连接的交互式AI语音智能体构建平台，核心面向有自定义语音交互AI应用开发需求的开发者与技术爱好者。平台搭载低门槛智能体搭建框架，支持用户基于实时语音交互逻辑搭建专属语音智能体，可实现语音实时对话、工具调用扩展、多端适配部署等能力，适用于开发语音助手、智能客服、交互式语音娱乐、教育语音辅导等多种应用场景，帮助开发者推进语音交互AI项目落地。

Dictate Buddy是一款基于人工智能技术的语音转文字工具，依托OpenAI Whisper模型实现高准确率的语音内容转录。核心功能包括多语言语音转录、自动摘要生成、转录内容结构化整理，可覆盖不同场景下的语音信息处理需求。目标用户覆盖职场办公人员、内容创作者、学术研究者、媒体从业者等群体，适用于会议记录、采访转写、讲座整理、头脑风暴内容留存、口述内容转文字等多种场景，能够帮助用户减少手动录入工作量，提升信息整理效率。

PodSnacks是专注于音频内容处理的智能转录与摘要工具，核心定位是为不同用户提供高效的音频转文字及内容提炼服务。核心功能包括多格式音频精准转录、自定义维度内容摘要、多语言内容识别，目标用户覆盖内容创作者、职场办公人员、学术研究者、媒体从业者等群体，可用于播客内容整理、会议记录生成、访谈内容提炼、课程内容梳理等多个场景，帮助用户降低音频内容处理的时间成本，提升信息提取效率。

Podial是专注于文档转互动播客的教育技术平台，核心定位是为用户提供文本内容音频化的学习解决方案。平台支持将PDF、Word、TXT等多格式文档自动转化为对话式播客内容，可自定义播客的对话角色风格、讨论侧重点，还支持知识点锚点标记与问答交互。目标用户覆盖学生、职场人士、内容创作者、教育工作者等群体，适用于通勤路上收听专业资料、碎片化时间学习课程教材、听读长篇行业报告等多种场景，帮助用户通过听觉渠道更高效地吸收信息。

Ausha Intelligence是播客服务平台Ausha推出的AI内容生成工具，核心定位是为播客创作者提供全链路内容营销辅助，帮助提升播客在各大音频平台的曝光效率。核心功能包括播客元数据自动生成、多平台营销内容产出、章节信息结构化梳理三类，支持播客制作者在节目制作后期、宣发前期快速完成内容筹备，无需手动整理大量素材即可输出符合平台规则的推广内容，适配独立创作者、MCN机构、企业播客运营团队等不同用户群体的制作需求。

VoicBot是SoundScript Labs推出的AI语音转文字工具，核心定位为为用户提供多语言、多格式的语音内容转写服务。核心功能包括多格式音频识别、多语种转写支持、高准确率转写输出，目标用户覆盖职场人士、内容创作者、学生、媒体从业者等群体，可应用于会议内容记录、访谈音频转写、课程语音整理、播客内容文本化等多种场景，满足不同用户的语音内容文本化需求。

AI meeting recorder that transcribes, summarizes, and extracts action.

A tool for BFSI that automates voice, chat and email agents for lead qualification, collections and renewals.

免费将 YouTube 转换为 MP3

A tool to automate automotive dealership calls, messages, and workflows.

Free, open-source AI voice dictation app for Windows, Mac, and Linux.

SpeakSync is AI calling software that deploys expressive AI voice agents and AI phone agents in minutes. The leading automated calling AI platform — custom voices, real-time latency, CRM integrations. Start free.

Automated transcription that s fast, accurate, and affordable. Get a transcript back in minutes, not hours. Sign up today and get 30 minutes free transcription. Try before you buy!

LMAO AI is the #1 AI prank calling app. Send realistic unhinged, hilarious prank calls to your friends using AI. Instant laughs

呱呱有声制作平台：海量产出有声作品,极大释放产能 真人+AI减少80%以上的工作量,每月轻松产出300万字 一人一月可同时制作8本书。

Everyone is a creator with Musely.ai. Simply type your ideas to instantly generate stories, stunning images, custom songs, and voiceovers. Start creating for free!

Deploy 24/7 AI voice agents for your business in minutes. ContactSwing automates calls, qualifies leads, and boosts support—no coding required.

使用先进的AI模型录制系统音频并转换为文本，提供高效准确的音频转文字服务。

VidNotes turns any YouTube video into structured, exportable learning notes. AI extracts the transcript, detects chapters, and generates beautiful notes you can export to PDF, Word, PowerPoint, or Notion — in seconds.

An AI voice platform that automates phone interactions through customizable virtual assistants.

AI voice agents by Tenyx — now part of Salesforce — that automate customer-service calls with natural, conversational dialogue.

Convert any PDF to natural-sounding audio with AI. Listen as a clean read-through, podcast, lecture or summary, in 18 languages. Free trial, no install.

Convert video to notes with AI. Turn MP4 files and supported YouTube videos into transcripts, summaries, and key points. Download notes as Markdown or text.

AI tool that turns workshop transcripts into evidence-linked process maps.

高效的人工智能医疗文书助手，专为优化文档记录而设计。

浮云梦配音（fuym.cn）是免登录即可使用的在线AI语音创作平台，集成文字转语音（140+语言400+微软神经网络音色，HD语音支持情感风格识别）、多人对话配音、批量生成（单任务10万字异步处理）、语音克隆、语音转换、音色设计、字幕生成、SRT字幕配音等10+项语音工具。核心功能免费，各功能每日提供免费次数（次日自动恢复），无广告，生成音频无水印，会员可扩容。

A tool to create videos, images, music, and voiceovers.

Liso converts highlighted web text into audio using AI voices.

A tool to refine speech-to-text input and restyle written content.