语音识别
deepgram.partnerlinks.io
Deepgram是面向开发者的语音AI开发平台，提供多类语音相关API接口，支持各类场景下的语音AI能力快速集成。平台核心功能包含高精度语音转文字API、自然语音生成、语音意图识别、多语言支持、自定义模型训练等，可帮助开发者降低语音AI能力的开发门槛。目标用户覆盖移动应用开发者、SaaS产品开发团队、AI初创公司、语音交互产品研发人员、内容处理企业等，适合用于开发语音笔记应用、智能客服系统、语音内容检索工具、实时字幕生成系统、语音交互智能硬件等多种产品场景。
homebrew.ltd
Llama3-s v0.2是由Homebrew Computer Company开发的多模态模型检查点，核心定位为专注语音理解能力优化的开源模型版本。该模型采用语义标记早期融合技术，可实现更稳定的语音特征提取，同时支持用户通过页面内置的实时演示功能直接上传音频测试识别效果，还提供完整的模型迭代日志与技术原理说明。目标用户覆盖AI语音技术开发者、多模态模型研究人员、语音应用产品经理、相关专业高校学生等群体，可用于语音识别效果验证、多模态模型结构调研、语音应用原型开发测试等多个场景。
voscribe.com
Voscribe是一款专注于音频、视频转文本的在线转录工具，核心定位是为用户提供便捷的多媒体内容转写服务。核心功能包括多格式音视频文件转录、高准确率文本输出、可编辑转录结果导出，支持MP3、MP4等主流音视频格式处理，转写完成时间短，输出文本可直接编辑调整。目标用户覆盖内容创作者、学生、职场人士、媒体从业者、研究人员等群体，适用于会议记录整理、课程内容转写、采访素材归档、视频字幕制作、播客内容存档等多种日常工作和学习场景。
searchgpt.ai
SearchGPT.ai是一款集成人工智能技术的智能语音交互服务平台，核心定位是为用户提供语音驱动的多场景智能处理服务。平台支持语音识别转写、多语言实时互译、语音内容摘要提取、语音指令任务调度、智能备忘录生成等核心功能，面向普通个人用户、职场办公人群、语言学习者、跨境从业者、内容创作者、企业行政人员等群体，可应用于日常信息搜索、跨语言交流、会议记录整理、工作任务安排、出行语音交互等多种场景，无需复杂操作即可通过语音完成各类信息处理需求。
gptminus1.com
GPT-Minus1是一款专注于音频转文字的在线文本转录工具，核心定位是为用户提供多场景下的语音内容转写服务。其核心功能包括多格式音频文件识别、多语言转写支持、批量转录处理，可满足不同用户的语音内容文字化需求。目标用户覆盖内容创作者、职场办公人员、学术研究者、会议组织者等群体，适用于访谈录音整理、会议记录生成、课程内容转写、视频字幕制作、口述稿件录入等多种场景，帮助用户降低人工转录的时间成本，提升内容处理效率。
makethedocs.com
MakeTheDocs是一款基于人工智能技术的视频转文档工具，核心定位是帮助用户将各类视频内容自动转换为结构化文档页面。其核心功能包括多格式视频上传识别、智能内容结构化排版、多语言字幕提取与翻译、文档格式自定义导出、内容准确度校验修正，适用于需要从视频中提取文字内容整理成文档的企业及个人用户，可覆盖课程内容整理、会议记录归档、演讲内容转录、教程文档制作等多种使用场景，减少手动转录排版的时间投入，降低文档制作的人力成本。
xfyun.cn
讯飞开放平台是科大讯飞推出的智能交互技术服务平台，核心定位为开发者及企业提供AI技术能力与落地解决方案。平台核心功能包括多模态AI能力开放，覆盖语音合成、语音识别、自然语言处理、计算机视觉等上百项技术接口；提供场景化解决方案，适配智能客服、智能办公、智慧教育、智慧车载等多个领域的开发需求；配套完整的开发支持资源，包含开发文档、调试工具、技术社群等服务。目标用户覆盖个人开发者、中小创业团队、大型企业技术部门等，可用于快速搭建语音交互类应用、升级现有产品的AI能力、定制行业专属智能解决方案等场景。
nexa.ai
OmniAudio-2.6B是Nexa AI推出的参数规模为2.6B的多模态音频处理模型官网，核心定位为面向边缘设备的统一架构音频文本处理工具。其核心功能包括端侧低延迟音频理解、多模态输入联合处理、轻量化部署适配三大方向，支持用户在无需依赖云端算力的前提下完成音频内容解析、语音指令响应、音频文本联合推理等任务，目标用户覆盖AI应用开发者、嵌入式设备研发人员、边缘计算从业者、科研机构研究人员等群体，可应用于智能语音助手开发、离线语音交互功能搭建、端侧音频内容分析、低功耗智能设备研发等多个场景。
adutorai.com
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。
plainscribe.com
PlainScribe是专注于音频视频内容文本转换的在线服务平台，核心为用户提供音视频内容的转录、多语言翻译、内容总结等处理服务，无需固定订阅，采用按需付费模式。平台支持多格式音视频文件上传，可输出可编辑的文本内容，同时兼容不同时长的媒体文件处理需求。目标用户覆盖内容创作者、学术研究者、商务办公人员、媒体从业者、学生群体、翻译从业者等，适合音视频采访转写、讲座内容整理、会议记录留存、播客内容文本化、课程资料梳理、音视频内容本地化等多种场景。
truora.com
Truora Genie是基于自然语言交互技术开发的智能语音交互助手产品页面，核心定位是为个人及企业用户提供语音驱动的智能信息查询与任务执行服务。其核心功能包括语音指令识别解析、多领域信息查询应答、自定义任务自动化执行三类，支持用户通过自然语音发起需求，无需手动输入即可获取对应结果。该产品主要面向有智能交互需求的个人用户，以及需要集成语音助手能力的企业开发团队，可应用于日常信息查询、工作任务协助、企业客服系统搭建、智能硬件语音交互接入等多种场景。
whisperui.com
WhisperUI是一个基于OpenAI Whisper API提供语音转文本与文本转语音处理的在线服务平台，核心提供性价比更高的语音音频转文字、文字生成语音服务，同时支持音频文件上传处理、实时语音转写、多语言识别转换等功能，面向需要处理音频转文字内容的创作者、职场人员、学生以及开发者提供服务，可用于会议记录整理、音频字幕生成、有声内容制作等多种场景。
voxa.pro
Voxa是一款聚焦语音交互的效率类工具，核心定位是通过语音指令帮助用户简化日常事务与工作流程管理。其核心功能包括语音触发的任务管理、同步谷歌生态的日程安排，以及语音转文字的笔记记录服务，同时支持多设备数据同步。目标用户覆盖职场办公人群、自由职业者、日常事务较多的学生群体等，可应用于通勤途中快速记录待办、工作时语音添加日程、碎片时间口述笔记等多类场景，减少用户在不同效率工具间切换的操作成本。
cygentive.ai
Cygentive是一款聚焦业务电话操作自动化的AI语音助手平台，可为企业提供从电话拨打到意图识别、信息同步全流程的自动化服务。核心功能包含AI自动外呼业务电话、智能识别通话内容、自动同步通话数据到业务系统、自定义话术配置、通话记录云端存储。目标用户为中小企业运营团队、销售部门、客户服务团队等，适合用于客户回访、市场调研、订单通知、售后跟进等高频电话业务场景，帮助团队减少人工重复操作，释放人力投入更复杂的业务环节。
transcribe-video.ai
Transcribe Video AI是一款专注于音视频内容转写的在线工具，核心定位是为用户提供音视频转文字、字幕生成、内容摘要提取等功能服务。支持上传本地音视频文件或输入平台视频链接完成转写，转写结果可导出为多种常用格式，同时支持多语言转写识别。目标用户覆盖内容创作者、媒体从业者、学术研究者、商务人士、教育工作者等群体，适用于课程录制转写、会议记录整理、视频字幕制作、访谈内容梳理、音视频内容存档等多个场景，帮助用户降低手动文字录入的时间成本。
callin.io
Callin AI是面向企业的AI语音对话服务平台，核心定位是通过自动化语音交互方案助力企业优化客户服务流程、降低运营成本。平台支持呼入呼出双向通话处理，可实现7*24小时不间断客户接待，还支持基于企业业务场景的自定义配置功能。目标用户覆盖电商零售、金融服务、教育培训、本地生活服务等多个领域的企业运营者、客户服务负责人、销售团队管理者，可用于售后咨询应答、售前意向回访、订单状态通知、活动邀约触达等多种业务场景，帮助企业减少客户等待时长，扩展服务承接能力。
lemonfox.ai
Lemonfox.ai是一家主打高性价比的AI API服务聚合平台，核心定位为开发者、创业团队提供低成本的多模态AI能力接入方案。平台支持兼容OpenAI接口规范的大语言模型API，同时提供图像生成、语音识别等多类API服务，定价仅为同类型主流服务的四分之一左右。目标用户覆盖独立开发者、中小创业团队、学生研发群体、企业技术部门等，可用于搭建聊天机器人、智能写作工具、AI图像处理应用、语音转写系统等多类产品，帮助需求方降低AI能力接入的成本门槛。
speech.yitutech.com
依图语音开放平台是依图科技面向开发者推出的语音AI能力服务平台，核心为各类应用开发提供成熟的语音技术接口支持。平台覆盖语音识别、语音合成、声纹识别、语音降噪等多维度语音处理能力，支持多端多场景的灵活接入，目标用户包括应用开发者、企业技术团队、AI产品研发人员等，可满足智能客服、语音助手、会议转录、有声内容制作、安防身份核验等多场景的语音技术落地需求，帮助团队降低语音技术自研成本，缩短产品开发周期。
usenotesgpt.com
NotesGPT是依托人工智能技术打造的语音笔记结构化处理在线服务，核心定位是帮助用户将零散的语音记录转化为规整的可落地内容。其核心功能包括高精度语音识别转写，支持多语种语音输入转换为文字底稿；智能内容结构化整理，可自动提炼语音中的核心观点、关键信息生成逻辑清晰的摘要；行动项自动提取，能识别语音中的任务、待办事项并标注责任人、时间节点等要素。该工具面向职场人士、学生、内容创作者等多类用户，适用于会议记录、课程录音整理、访谈内容梳理、日常灵感记录整理等场景，可减少手动转录和梳理内容的时间投入。
meetslay.com
Meetslay是面向会议场景的AI辅助工具，核心定位是为各类线上、线下会议提供全流程智能化支持，帮助参会人员减少信息遗漏，优化会议决策效率。平台核心功能包含多语言会议实时转录、会议核心内容自动提炼、会议相关问题智能提醒，同时支持后续会议行动项自动梳理。目标用户覆盖企业商务人员、项目负责人、行政人员、学术研究者等群体，可应用于内部工作研讨、客户商务洽谈、学术研讨会议、跨部门项目对齐、线上远程培训等多种场景，助力参会人员聚焦会议讨论本身，降低会后信息整理的人力成本。
hinotes.ai
HiNotes是为HiDock H1音频录音基座配套设计的AI语音处理工具，核心定位是为有录音内容整理需求的用户提供智能的语音转写与内容分析服务。核心功能包含多场景语音精准转录、基于大语言模型的智能摘要生成、关键信息记忆提取、多格式内容导出、多人发言自动区分等。面向职场人士、学生群体、内容创作者等用户，可应用于线下会议记录、商务电话留存、课程讲座整理、访谈内容梳理、个人语音备忘等多个场景，帮助用户降低音频内容整理的时间成本，提升信息处理效率。
chirp.watch
Chirp AI是专为Apple Watch打造的智能语音助手类应用官方站点，核心为用户提供手表端语音交互能力，搭载语音识别和大语言模型技术，支持语音发送信息、信息查询、网络搜索、任务记录等功能。主要面向Apple Watch用户，满足用户运动、通勤、双手被占用等场景下无需操作手机即可完成信息交互和任务处理的需求，帮助用户减少对手机的依赖，提升移动场景下的操作效率。
vocapia.com
Vocapia是由Vocapia Research推出的专业语音识别技术服务平台，核心定位为面向多场景的音频视频语音数据处理解决方案提供商。平台具备大词汇量连续语音识别、多语种自动识别、说话人身份区分等核心功能，支持批量与实时两种处理模式，可满足广播媒体、学术机构、企业办公、呼叫中心等不同主体的语音转写与分析需求，适用场景涵盖广播电视内容监控、学术讲座研讨内容留存、视频字幕自动生成、跨地域电话会议内容整理、呼叫中心客服对话数据分析等多个领域，还可根据用户个性化需求提供定制化模型开发服务。
attention.com
Attention是专注于销售场景的AI语音分析与流程管理工具，核心定位是帮助销售团队提升沟通转化效率、优化客户跟进流程。核心功能包含实时通话内容转写与关键点识别、销售流程自动跟进提醒、客户意向自动分层标注三类。目标用户覆盖ToB销售团队、客户成功部门、企业销售管理者等群体，可应用于日常客户通话复盘、新销售能力培训、客户需求梳理、成单转化路径优化等多种场景，帮助团队沉淀沟通经验、减少重复事务性工作。
fireredteam.github.io
FireRedASR是开源工业级普通话自动语音识别工具，依托Encoder-Decoder与LLM集成架构开发，提供两种适配不同需求的模型变体，可实现多场景下的语音内容转文字处理。核心功能包含多语言语音识别、离线推理支持、批量音频处理、自定义热词优化、低资源音频适配，目标用户覆盖AI应用开发者、音视频内容创作者、企业技术研发人员、高校科研团队等，可用于智能助手语音交互、长视频字幕批量生成、会议录音内容转写、方言语音内容存档、客服通话质检分析等多类场景，满足工业级应用的集成与二次开发需求。
landing.getvibrato.com
Vibrato是主打电话场景的人工智能助手产品，核心定位为依托语音交互技术替代用户完成各类电话沟通任务，降低人工沟通的时间与人力成本。其核心功能包括低延迟实时语音识别、拟人化语音交互、企业热线自动导航三大模块，主要面向需要处理大量常规电话咨询、客服回访、业务查询的中小商家、行政人员、自由职业者等群体，可广泛应用于日常客户回访、公共服务热线查询、服务商售后沟通、机构业务预约等多类需要高频拨打电话的场景，帮助用户减少重复性电话沟通的精力投入。
voyp.app
VOYP - Voice Over Your Phone是一款基于人工智能技术的通话自动化处理助手，核心定位为帮助用户自动处理日常电话沟通事务，减少手动接打电话的时间消耗。该平台可以识别通话内容、生成文字记录、完成预设的沟通任务，支持对预定、咨询、约会等常规事务类电话进行自动化处理，核心功能包括AI自动应答通话、通话内容转文字、自定义沟通脚本、通话任务分类归档、同步通话记录至云端等。目标用户覆盖需要处理大量常规事务电话的个人用户和小型团队，适合在用户忙碌无法接听电话、不方便手动沟通、需要留存通话凭证等场景使用。
speechbot.github.io
Spirit LM是由研究团队推出的基础多模态语言模型，核心定位是实现文本与语音模态的自由混合交互。核心功能包括文本语音统一令牌流处理、少样本跨模态任务适配，以及两种不同特性的版本选择适配不同需求。目标用户涵盖自然语言处理研究人员、语音技术开发人员、多模态应用开发者、AI模型研究学习者等群体。使用场景包括语音识别模型优化、语音合成方案研发、多模态对话系统搭建、语音情感分析项目开发、跨模态任务迁移研究等多个方向，可帮助用户探索文本与语音模态融合的技术落地路径。
whispermemos.com
Whisper Memos是基于OpenAI Whisper技术搭建的语音转文本服务平台，核心定位为用户提供便捷的语音备忘录转写服务。平台支持语音录制上传、多语言语音识别转写、转写结果邮件推送三类核心功能，主要面向有语音记录需求的职场人士、学生、内容创作者、自由职业者等用户，适用于会议发言记录、学习心得口述、创作灵感速记、日常待办备忘、出行语音日志等多种场景，用户无需手动转录语音内容，即可获得结构化的文本备忘内容。
cloudglue.dev
Cloudglue是一款专注于将音视频内容转换为适配大语言模型处理的结构化数据工具，核心能力覆盖音视频转文字、多格式结构化输出、内容分段标注、大语言模型格式适配等功能，面向AI开发者、内容创作者、研究人员、产品经理等用户，可用于AI训练数据准备、音视频内容二次开发、学术研究语料整理、智能对话素材生成等场景，帮助用户快速完成非结构化音视频内容到标准化训练数据的转换流程。
tryvoiceink.com
VoiceInk是一款面向macOS系统的开源离线语音转文本应用，依托本地部署的AI模型实现语音转文字功能，无需依托云端服务即可完成转换。核心功能包含离线语音转文本、自定义快捷键唤起、多语言转换支持、本地数据存储、快捷键自定义设置等，目标用户覆盖需要记录口述内容的创作者、办公人员，以及关注隐私数据安全的用户，适合需要随时随地记录突发思路、整理线上线下会议内容、日常口述转文字整理内容的场景，在无网络环境下也可以正常使用语音转换功能，满足隐私敏感场景下的文字录入需求。
podsnacks.org
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。