Google MusicFX 是 Google Labs 的实验性AI音乐创作工具，可根据文字描述生成音乐片段，并通过MusicFX DJ组合风格、乐器和节奏。
Google Labs文本生成音乐MusicFX DJ
AI Category
AI音频工具
覆盖AI配音、音乐生成、语音识别、播客剪辑和数字人音频制作场景。
Tools
AI音频工具推荐
Artificial Analysis 是独立AI基准与市场情报平台，对语言、图像、视频、语音和音乐模型以及推理服务商进行质量、速度、价格等维度的统一测试。
AI模型基准API速度价格模型选型
Pippit AI
国外
Pippit AI 是面向电商和社媒营销的AI内容平台，可将商品链接、图片、文档或提示词转成带脚本、数字人、配音和字幕的视频，并支持排期发布与效果分析。
商品链接转视频AI数字人社媒营销
Sembly AI
国外
Sembly AI 是面向咨询、代理和其他专业服务团队的AI交付平台，可把会议、文档和客户背景转为品牌化提案、汇报、SOW和项目计划。
专业服务会议转交付物PPT与Word生成
Leexi
国外
Leexi 是面向企业的AI会议与会话套件，覆盖会前准备、转写摘要、知识检索、任务跟进、团队辅导及CRM、ATS、VoIP同步。
AI会议助手CRM同步欧洲数据托管
Grain
国外
Grain 是面向成长团队的AI会议助手，可记录、转写和总结客户对话，生成可分享片段，并将销售与客户洞察同步到CRM和团队工具。
销售会议客户之声视频片段
Elai.io
国外
Elai.io 是面向培训、客户教育和企业沟通的AI数字人视频平台，可把文本、文章或PPT转成多语言讲解视频，并支持互动、翻译和品牌模板。
数字人视频培训视频PPT转视频
Google SynthID Detector 是用于检查图片、视频或音频中 SynthID 数字水印的验证工具，可识别由 Google 及部分合作伙伴 AI 系统生成或编辑的内容。
AI内容检测数字水印图片视频音频核验
F5-TTS
国外开源
F5-TTS 是基于流匹配的开源文本转语音项目，提供本地推理、Gradio界面、训练微调和容器化部署能力，适合研究受控的语音合成工作流。
本地语音合成声音克隆开源TTS
whisper.cpp
国外开源
whisper.cpp 是用 C/C++ 实现的 Whisper 本地推理项目，可在桌面、服务器、移动端和浏览器中完成离线转写、翻译、实时麦克风识别或提供 HTTP 服务。
本地语音转写C/C++隐私部署
OpenArt AI
国外
OpenArt AI 是集图片生成与编辑、一致性角色、模型训练和AI视频于一体的创作平台，可在同一工作区用提示词、参考图和对话完成视觉素材。
AI绘画角色一致性AI视频
fal.ai
国外
fal.ai 是面向开发者的生成式媒体平台，通过统一API提供图片、视频、音频和3D模型推理，并支持队列、实时调用、自定义模型与企业级部署。
生成式媒体API模型推理开发者平台
AudioPen
国外
AudioPen 是把口述内容转成清晰成稿的 AI 语音写作工具，可保留原始转录并按邮件、文章、行动清单或自定义风格重写，覆盖网页、手机与桌面端。
语音写作口述整理AI语音输入
TurboScribe
国外
TurboScribe 是基于 AI 的音视频转录工具，支持长文件、多语言、说话人识别、字幕生成与翻译，并可导出 DOCX、PDF、TXT、CSV、SRT 和 VTT。
音视频转录说话人识别字幕翻译
Hedra
国外
Hedra 是面向角色口播、AI视频广告和多模型生成的创作平台，可把人物或角色图片、脚本与音频组合成带口型和表情的演说视频，并提供开发接口。
AI数字人角色口播视频生成API
Observe.AI
国外
Observe.AI 是面向联络中心的 AI 平台，用于分析客户对话、自动化质量管理、辅助客服坐席，并为主管提供绩效和客户体验洞察。
联络中心AI客服质检坐席辅助
Creatify
国外
Creatify 是面向电商与效果营销的 AI 广告平台，可从商品链接、脚本或素材生成视频广告、数字人讲解、配音和多版本广告创意。
AI视频广告电商素材广告智能体
PlayHT
国外
PlayHT 是 AI 文字转语音与声音 API 平台，支持流式语音生成、声音克隆、SDK 和面向对话应用的低延迟输出。
AI配音API实时语音声音克隆
Colossyan
国外
Colossyan 是面向企业培训与知识传递的 AI 视频平台，可把文档、PPT、PDF、脚本或网页转换为数字人视频，并支持多语言、本地化、互动和 SCORM 导出。
AI培训视频数字人SCORM课件
TypeWhisper
国外
TypeWhisper 是面向 macOS、Windows 和 iOS 的本地优先语音转文字工具，可用快捷键向任意应用输入文字，并通过工作流、词典、文件转写和可选插件扩展处理方式。
本地语音输入离线转写开源听写
OpenWhispr
国外
OpenWhispr 是跨平台开源语音工作台，支持快捷键听写、本地或云端语音识别、会议转写、笔记与可选AI处理，覆盖 macOS、Windows 和 Linux。
开源语音输入会议转写本地AI
Typeless
国外
Typeless 是面向日常写作的跨应用 AI 语音输入工具，可把自然口述整理成邮件、消息和文档，并处理口头修正、重复、填充词与翻译。
AI语音输入跨应用听写语音翻译
Aqua Voice
国外
Aqua Voice 是跨应用云端 AI 听写工具，强调实时整理自然口述、专业词词典、写作规则和代码或 AI 提示词场景。
AI听写技术词识别语音编程
Kaiber
国外
Kaiber 是把生成式画布、音乐节拍同步和时间线编辑连接起来的 AI 创作套件，适合制作音乐视频、社交短片、图片动画和多模型视觉素材。
AI音乐视频Beat Sync多模型创作画布
Voicemod
国外
Voicemod 是面向游戏、直播和语音聊天的实时变声与音效板工具，通过虚拟麦克风把处理后的声音发送到 Discord、游戏或直播软件。
实时AI变声直播音效板虚拟麦克风
睿小鉴AI检测智能体
国内
睿小鉴AI检测智能体是中科睿鉴推出的多模态内容鉴伪工具，可在统一网页入口检测文本、图片、音频和视频，并提供风险判断、可疑线索、检测报告与对话式结果解读。
AI内容鉴伪多模态检测深度伪造识别
NVIDIA Riva
国外
NVIDIA Riva 是用于构建实时语音 AI 应用的 GPU 加速 SDK 与服务栈，提供语音识别、语音合成和翻译能力，并支持在本地或云环境部署与定制。
实时语音识别语音合成私有化语音AI
OpenAI Whisper 是通用开源语音识别模型，可在本地完成多语言语音转文字、语言识别和将非英语语音翻译为英语。
开源语音识别本地转写多语言翻译
Kokoro TTS
国外
Kokoro TTS 是一个约 8200 万参数的开放权重文字转语音模型，体积较小，适合评估本地配音、朗读和应用内语音合成。
本地文字转语音82M参数开放权重
面向开发者的开源实时智能体框架与云平台，可用 Python 或 Node.js 构建支持语音、视频、文本、工具调用和电话接入的低延迟AI应用。
实时语音智能体WebRTC开源框架
面向个人阅读、教育与商业配音的文字转语音产品，可朗读文本、网页和文档，并提供多种AI语音与辅助阅读功能。
文字转语音PDF朗读AI配音
PLAUD AI
国外
PLAUD AI 是软硬件结合的随身录音与会议知识工具，通过 Note、NotePin 等设备采集对话，在应用中完成多语言转写、说话人区分、结构化总结与问答。
AI录音硬件会议转写总结随身语音笔
Descript Rooms 是面向远程播客、视频访谈和网络节目的多人录制空间，可在参与者设备本地录制独立音视频轨道、持续上传备份，并衔接 Descript 的转写与 AI 后期。
远程播客录制本地分轨AI音视频后期
Gemini Omni
国外
Gemini Omni 是 Google 的多模态生成模型家族，首个 Omni Flash 可组合文字、图片、音频和视频作为输入生成视频，并通过对话继续编辑。
多模态视频对话式编辑音画生成
Gemini 3.5 Live Translate 是 Google 的实时语音到语音翻译模型，可自动识别 70 多种语言，并尽量保留说话人的语调、节奏和音高。
实时语音翻译70+语言保留语调
Stable Audio 3 是 Stability AI 的音乐与音效生成模型家族，支持文字生成音频、局部编辑与延长，并提供 API、企业授权和部分开放权重版本。
AI音乐生成AI音效开放权重
Soniox
国外
Soniox 是面向开发者的语音 AI 平台，提供实时与异步语音转文字、跨语言混合识别、翻译及语音 SDK，适合字幕、会议和语音应用。
实时语音识别多语言转写语音API
Deepgram
国外
Deepgram 是面向开发者的语音 AI 平台，提供实时与批量语音识别、语音合成、音频理解和 Voice Agent API，用于构建客服、会议、通话分析和语音智能体。
语音识别API语音智能体语音合成
DeepL Voice
国外
DeepL Voice 是面向企业跨语言沟通的实时语音翻译产品，覆盖 Zoom 与 Microsoft Teams 会议、面对面对话以及可嵌入产品的 Voice API。
实时语音翻译多语言会议现场对话
Runway Dev
国外
Runway Dev 是面向开发者与企业团队的 AI 媒体平台，通过统一 API 接入 Runway 及第三方的图像、视频、音频和实时角色模型，并提供预制 Recipes、成本管理与企业控制能力。
AI媒体API视频生成API开发者平台
Runway Agent
国外
Runway Agent 是面向品牌、营销、代理公司和影视创作者的视频创作智能体，可通过对话提出概念、拆分故事节拍、规划视觉方向，并组合多场景、旁白、对白和音乐形成可继续修改的视频。
视频创作智能体品牌视频多场景生成
Zoom AI Companion 是集成在 Zoom Workplace 中的办公 AI 助手，可整理会议摘要、提取行动项、问答会议与文档内容，并在受支持的工作流中帮助跟踪和执行任务。
AI会议纪要会议摘要办公智能体
Speechify Studio 是面向创作者和团队的浏览器端 AI 音视频工作台，提供文字转语音、配音、声音克隆、视频翻译与素材编辑等能力。
AI配音视频翻译声音克隆
Adobe Firefly Generate Soundtrack 是 Firefly 中的 AI 视频配乐工具，可按情绪、能量和视频时长生成匹配的原创器乐背景音乐。
AI背景音乐视频配乐商用音频
ElevenLabs Dubbing v2 是面向视频与音频本地化的 AI 配音模型，强调在 90 多种语言间保留原说话者的语气、节奏、表达和情绪。
AI视频翻译90+语言配音情绪保留
Microsoft Clipchamp 是面向个人与办公团队的浏览器和 Windows 视频编辑器，提供自动编排、自动字幕、文本转语音、静音删除、降噪及屏幕录制等 AI 辅助功能。
AI视频剪辑自动字幕屏幕录制
ElevenReader
国外
ElevenReader 是 ElevenLabs 推出的 AI 听读应用，可把文章、网页、PDF、EPUB、TXT 或扫描文字转成自然语音，适合通勤学习、长文阅读和无障碍听读。
AI文本朗读PDF与网页听读多语言语音
Seedance 2.0
国内
Seedance 2.0 是字节跳动 Seed 团队的多模态音视频生成模型，可结合文字、图片、音频和视频参考生成带声音的连续视频。
多模态视频生成音视频联合生成角色与镜头参考
Granola
国外
Granola 是强调人工笔记参与的 AI 会议记事本，可在不让机器人加入会议的情况下捕获设备音频，把用户速记、转写和日历背景整理为可追溯的结构化笔记。
AI会议笔记无机器人转写跨会议问答
Adobe Podcast 是 Adobe 提供的网页版 AI 录音与音频编辑工具，包含 Enhance Speech 人声增强、Mic Check 麦克风检查、远程录音、转写式编辑和 audiogram 导出，适合播客、访谈、课程与口播视频的音频后期。
AI语音增强播客剪辑录音降噪
ChatGPT Record Mode 是 ChatGPT 桌面端的录音、转写和总结能力，可把会议、头脑风暴和语音笔记整理成可编辑摘要，适合办公记录、课程复盘、访谈整理和内容生产前的资料归纳。
会议录音总结语音笔记ChatGPT办公
KreadoAI
国外
KreadoAI 是面向营销、电商和跨境内容生产的 AI 创意工具，覆盖数字人视频、商品图、广告素材、配音和多语言内容，适合需要批量测试短视频和商品广告的团队。
AI广告视频数字人营销电商素材
Google Flow Music 是 Google Labs 提供的 AI 音乐实验工具，面向创作者生成可用于视频、短片、社媒内容和创意项目的音乐片段与配乐灵感。
AI音乐生成视频配乐Google Labs
D-ID
国外
D-ID 是面向营销、培训、客服和企业沟通的 AI 视频与数字人平台，支持用文本、音频或图片生成带真人感头像的视频，并提供 Agentic Video、Visual Agents、多语言视频和 API 能力。
AI数字人视频互动视频Agent多语言培训视频
Kore.ai Artemis 是 Kore.ai 面向企业的 AI Agent 平台，用于构建、治理、评估和规模化部署智能体，覆盖客户服务、企业知识、工作流、渠道连接、语音和数字客服等场景。
企业Agent平台客服自动化Agent治理
Retell AI
国外
Retell AI 是面向电话场景的 AI 语音 Agent 平台，用于构建、测试、部署和监控入站与出站电话智能体，适合客服、预约、销售线索筛选和呼叫中心自动化。
AI电话Agent语音客服电话自动化
MeetGeek
国外
MeetGeek 是 AI 会议记录、转写和自动化平台，可自动加入或记录会议，生成转写、摘要、行动项和关键决策，并把会议结果同步到 Slack、Notion、CRM、项目管理工具或自动化流程中。
AI会议纪要会议转写会议自动化
Pictory
国外
Pictory 是面向营销人员、课程创作者和内容团队的 AI 视频生成与编辑工具，可把文本、脚本、博客 URL、PPT、图片、录屏和已有视频转成带字幕、配音、模板和品牌元素的视频。
AI视频生成文章转视频自动字幕
Loom AI
国外
Loom AI 是 Loom 的 AI 视频与会议辅助能力，可为会议和录屏生成会议笔记、行动项、摘要邮件、标题、章节、转写和可分享文档，适合远程团队和异步协作。
AI会议记录异步视频视频摘要
Mubert
国外
Mubert 是面向创作者、视频团队和品牌内容运营的 AI 音乐生成平台，可按时长、情绪、风格和内容场景生成适合视频、播客、社媒和商业内容的背景音乐。
AI音乐生成免版权配乐视频背景音乐
Riverside
国外
Riverside 是面向播客、访谈、课程和营销视频的录制与 AI 编辑平台，支持音视频转写、文本剪辑、Magic Clips、字幕、降噪、AI Show Notes 和多语言翻译等能力。
AI播客剪辑视频转写短视频切片
tl;dv
国外
tl;dv 是面向 Zoom、Google Meet 和 Microsoft Teams 的 AI 会议记录与总结工具，可录制、转写、生成摘要，并把会议信息同步到 CRM、工单和项目管理流程。
AI会议记录会议转写销售会议助手
Synthflow AI
国外
Synthflow AI 是面向企业电话场景的 Voice AI 平台，支持搭建入站和出站语音 Agent，用于客户支持、销售线索筛选、预约安排、短信跟进和 CRM 集成。
语音Agent电话自动化客服销售
AssemblyAI
国外
AssemblyAI 是面向开发者的语音 AI 基础设施，提供预录音频转写、实时语音识别和语音 Agent API，适合会议转写、客服质检、语音助手和音频内容分析。
语音识别API实时转写Voice AI
Cartesia
国外
Cartesia 是面向实时语音应用和 Voice Agent 的 AI 语音平台，提供低延迟文本转语音、转写和语音克隆能力，适合开发客服、陪练、数字人和语音助手。
实时语音AITTSVoice Agent
Captions AI
国外
Captions AI 是面向短视频、口播和创作者工作流的 AI 视频工具，覆盖字幕、剪辑、配音、翻译和社媒视频制作等场景。
AI视频剪辑字幕短视频
Murf AI
国外
Murf AI 是面向创作者、企业和开发者的 AI 语音平台，覆盖文字转语音、视频旁白、语音克隆、配音和 API 等语音生成场景。
AI配音文字转语音AI Dubbing
VEED
国外
VEED 是面向社媒和营销内容的 AI 视频创作平台，覆盖视频生成、在线剪辑、自动字幕、翻译配音、数字人和降噪等流程。
AI视频编辑字幕翻译数字人
Fathom
国外
Fathom 是面向会议记录、摘要和会后协作的 AI 会议助手，适合销售、客户沟通、远程办公和培训复盘场景。
会议纪要摘要团队协作
讯飞星火
国内
科大讯飞推出的AI助手，适合中文问答、办公写作、教育学习和语音相关场景。
科大讯飞语音办公
MiniMax
国内
MiniMax 提供对话、多模态和语音等AI能力，适合内容创作和应用开发场景。
多模态语音应用开发
ElevenLabs
国外
AI语音生成和配音工具，适合短视频、播客、有声书和多语言内容制作。
AI配音语音克隆音频
Suno
国外
Suno 是 AI 音乐生成工具，可用提示词、歌词、风格和编辑控制生成歌曲、伴奏、短视频配乐和音乐草稿，适合创作者、品牌和课程内容团队快速测试音乐方向。
AI音乐歌曲生成创作
HeyGen
国外
HeyGen 是AI视频和数字人工具，适合生成讲解视频、营销视频、培训视频和多语言数字人内容。
数字人AI视频配音
Descript
国外
Descript 是音视频编辑工具，适合播客、访谈、课程和短视频剪辑，支持像编辑文本一样编辑音视频。
视频剪辑音频剪辑播客
Otter.ai
国外
Otter.ai 是会议转写和AI会议助手，适合英文会议记录、摘要、行动项整理和团队协作。
会议纪要转写办公
Fireflies.ai
国外
Fireflies.ai 是面向团队会议、销售通话和客户沟通的 AI 会议助手，适合把录音、摘要、搜索和后续协作串成一条会后执行链路。
会议助手转写销售
Udio
国外
Udio 是AI音乐生成工具，适合根据提示词快速生成歌曲、旋律、风格化音乐片段和内容创作所需的背景音乐草稿。
AI音乐歌曲生成音频创作
Notta
国外
Notta 是 AI 会议记录与语音转写工具，适合会议纪要、访谈整理、行动项提取和多语言会议协作。
会议纪要语音转写行动项
AIVA
国外
AIVA 是 AI 音乐生成工具，适合做短视频配乐、游戏音乐、课程背景音乐和创作者音频起稿。
AI配乐音乐生成版权
Mureka AI
国外
Mureka AI 是面向音乐创作和内容配乐的 AI 音乐生成平台，可用于从文字、歌词或创意方向生成歌曲和背景音乐。
AI音乐歌曲生成音频创作
Wispr Flow
国外
Wispr Flow 是面向语音输入和听写写作的 AI 工具，适合用说话方式快速输入邮件、文档、聊天消息和创意草稿。
AI语音输入听写办公写作
Krisp
国外
Krisp 是面向线上会议和通话的 AI 音频工具，提供降噪、回声处理、会议转写、录制和行动项整理等能力。
AI降噪会议助手语音转写
Hume AI
国外
Hume AI 是专注语音情绪智能的 AI 平台，提供 Empathic Voice Interface、文本转语音和情绪理解能力，适合构建更自然的语音对话 Agent。
语音AI情绪识别Voice Agent
Replicate
国外
Replicate 是面向开发者的 AI 模型运行平台，支持通过 API 调用图片、视频、音频、语言和开源模型，适合快速试验模型、构建原型和把模型能力接入应用。
AI模型API开源模型推理部署
Read AI
国外
Read AI 是面向会议和办公协作的 AI 助手，提供会议记录、摘要、行动项、跨应用搜索和工作空间洞察，适合销售、管理、远程团队和知识型办公场景。
AI会议助手工作搜索会议纪要
Vapi
国外
Vapi 是面向开发者的语音 AI Agent 平台，支持构建、测试和部署可对话的语音助手，适合电话客服、销售外呼、预约确认和实时语音应用。
语音Agent电话机器人开发者平台
Superwhisper
国外
Superwhisper 是面向语音输入和听写的 AI 工具，适合把口述内容转成邮件、笔记、文档和提示词，帮助写作、办公、编程和日常记录减少键盘输入。
语音输入AI听写办公效率
Gladia
国外
Gladia 是面向开发者和企业语音产品的音频智能 API，提供实时与异步语音转写、说话人分离、多语言识别、音频分析和 Audio-to-LLM 能力。
语音识别API实时转写Audio Intelligence
Speechmatics
国外
Speechmatics 是语音识别与转写 API 平台，提供实时和批量语音转文本能力，适合会议转写、字幕、呼叫中心分析、媒体归档和语音 AI Agent 的 STT 环节。
语音识别API实时转写多语言STT
CapCut AI
国外
CapCut AI 是 CapCut 提供的一组 AI 视频、图片、字幕、配音和剪辑工具，适合短视频创作者、运营团队和课程内容生产。
AI视频编辑AI短视频剪辑工具
Rask AI
国外
Rask AI 是面向创作者、教育团队和企业市场的 AI 视频本地化工具，支持视频/音频翻译、AI 配音、字幕、声音克隆、Lip Sync 和 API 自动化。
AI视频翻译AI配音Lip Sync
Fish Audio
国外
Fish Audio 是面向创作者、开发者和团队的 AI 语音生成平台，提供文本转语音、声音克隆、情绪控制和 API 能力，适合视频配音、有声书、角色声音和语音智能体。
AI配音声音克隆语音API
Wondercraft
国外
Wondercraft 是面向企业、创作者和营销团队的 AI 视频与音频工作室，把视频、头像、图像、声音、音乐和脚本生成组织成可编辑的内容生产流程。
AI视频工作室AI播客企业内容生产
TwinMind
国外
TwinMind 是面向会议、课堂、对话和日常信息捕捉的 AI Notes & Memory 工具，可实时转写、总结、分析讨论，并把持续积累的上下文变成可追问的个人 AI 记忆助手。
AI会议记录AI记忆助手实时转写
Voiceflow
国外
Voiceflow 是企业对话式 AI 平台，用于构建、测试、部署和监控聊天与语音 Agent，支持知识库、工具调用、工作流、API 集成、聊天组件、电话接入和评估分析。
客服Agent语音智能体对话设计
ElevenLabs Conversational AI 是 ElevenLabs 的语音智能体平台，用于构建可实时对话的语音 Agent，结合语音合成、转写、低延迟对话、知识库和工具调用，适合客服、销售、预约和语音产品场景。
语音AI Agent实时对话电话客服
讯飞听见
国内
讯飞听见是科大讯飞面向会议、访谈、字幕和语音资料整理的智能会议与语音转写方案，适合把音频实时或离线转成文字并继续整理纪要。
语音转文字会议转写智能会议
Eleven Music
国外
Eleven Music 是 ElevenLabs 推出的 AI 音乐生成工具，面向视频、播客、品牌内容、课程和创意项目生成歌曲、背景音乐和不同情绪风格的音频素材。
AI音乐生成视频配乐品牌音频
Fellow
国外
Fellow 是面向团队会议的 AI note taker 与会议管理工具，覆盖会议议程、自动转写、摘要、行动项、Ask Fellow 问答和会后跟进，适合把会议内容转成可执行任务。
AI会议纪要行动项管理团队会议助手
Kits AI
国外
Kits AI 是面向音乐创作者的人声与音频制作平台，提供 AI 歌声转换、文本生成人声、声音克隆、人声分离、音高修正和母带处理等工具。
AI歌声转换人声制作AI音乐工具
LALAL.AI
国外
LALAL.AI 是 AI 音频分离与清理工具，支持从歌曲、录音和视频中提取人声、伴奏及多种乐器音轨，并提供语音降噪、去混响和声音处理能力。
AI人声分离音轨分离录音降噪
Resemble AI
国外
Resemble AI 是面向开发者和企业的生成式语音平台，提供声音克隆、文本转语音、speech-to-speech、语音本地化以及深伪音频检测等能力。
企业语音AI声音克隆API语音深伪检测
Voicenotes
国外
Voicenotes 是以语音捕捉为核心的 AI 笔记工具，可记录想法和会议、生成转写与摘要，并让用户搜索或询问积累的语音与文本笔记。
AI语音笔记会议转写个人记忆库
Suno Studio
国外
Suno Studio 是网页端生成式音频工作站，把 AI 音轨生成、分轨、多轨时间线、录音、节奏与音高编辑以及音频和 MIDI 导出放进同一制作流程。
生成式音乐工作站多轨编辑AI音轨生成
ElevenLabs Studio 是面向有声书、播客和视频创作者的 AI 音视频制作工作区，集成多角色配音、转写、声音修复、音乐音效、字幕、时间线和协作审阅。
AI音视频编辑有声书制作多语言配音
OpenAI Presence 是面向企业的生产级语音与聊天智能体部署产品，围绕明确岗位连接知识和业务系统，并用策略、护栏、评测、审批与人工升级管理真实客户流程。
企业客服智能体语音与聊天Agent生产级治理
GPT-Live
国外
GPT-Live 是 OpenAI 的新一代实时语音模型，采用全双工架构，可同时听和说，并在 ChatGPT Voice 中处理自然打断、短反馈和需要搜索或深度推理的复杂问题。
实时语音模型全双工对话ChatGPT Voice
Async 是 Podcastle 在 2026 年启用的新品牌，把浏览器录音、音视频编辑、AI 增强、转写、声音生成与开发者语音 API 汇集到同一平台。
AI音视频编辑AI配音播客制作
Auphonic
国外
Auphonic 是自动化音频后期服务，可为播客、访谈、广播和视频执行响度标准化、音量平衡、降噪、滤波、多轨混音、转写与自动发布。
音频后期响度标准化播客降噪
Cleanvoice AI 是面向播客、访谈和口播视频的自动编辑服务，可移除口癖、长停顿、口腔音、呼吸、结巴和背景噪声，并生成转写、摘要与社交内容。
播客剪辑口癖清理语音增强
Moises AI
国外
Moises AI 是面向音乐人、练习者与制作人的音频工具，可分离人声和乐器、调整速度与音高、检测调性和和弦、生成同步节拍器，并辅助母带与音乐创作。
人声分离乐器分轨音乐练习
Speechify
国外
Speechify 是文字转语音与 AI 配音平台，可在网页、移动端和浏览器扩展中朗读 PDF、文档与网页，也提供配音、克隆和开发者接口。
文字转语音PDF朗读AI配音
Supernormal
国外
Supernormal 是无机器人加入会议的 AI 会议记录与会后工作平台，可从电脑麦克风捕捉会议，并继续生成纪要、邮件、演示文稿和表格。
AI会议纪要无机器人录音会后智能体
Jamie
国外
Jamie 是无可见机器人加入的 AI 会议记录工具，可在 macOS、Windows 和 iPhone 上捕捉线上或线下对话，生成摘要、转写与行动项。
无机器人会议记录多语言转写欧盟数据
Circleback
国外
Circleback 是 AI 会议记录与对话工作流平台，可生成结构化纪要和行动项、跨会议搜索，并将结果连接到 CRM、项目管理和协作应用。
会议行动项会议搜索工作流自动化
ElevenLabs Agents 是用于设计、部署和评估语音与多模态对话智能体的平台，可组合语音识别、语言模型、语音合成、轮次控制、知识库和工具调用。
语音智能体电话客服多模态对话
Willow Voice
国外
Willow Voice 是跨应用 AI 语音输入与写作助手，可把口述整理成带标点和格式的文字，并根据应用场景、个人风格与团队词典调整输出。
AI语音输入跨应用听写写作风格匹配
Anarlog
国外
Anarlog（原 Hyprnote）是本地优先的开源 AI 会议笔记工具，可在设备上录音、转写和总结，并按需启用云模型、加密同步、分享或 API。
本地AI会议记录开源笔记离线转写
HeyGen Video Translate 是 AI 视频本地化工具，可翻译口播、用原说话者相似音色重新配音，并选择口型同步、字幕和多语言批量输出。
视频翻译AI配音口型同步
FLORA AI
国外
FLORA AI 是面向创意团队的节点式无限画布，可连接文本、图片、视频和音频节点，把多模型生成、编辑、批量变体与团队协作组织成可复用工作流。
AI创意画布节点工作流多模型创作
Stable Assistant 是 Stability AI 的在线多模态创作助手，集中提供图片生成与编辑、文生音频、图生视频、2D转3D和文字辅助等能力。
Stable Image多模态创作图片编辑
InVideo AI
国外
InVideo AI 是面向创作者与团队的智能体视频制作平台，可把脚本或创意整理为分镜，并用自然语言驱动剪辑、素材生成、配音、音乐和多轨时间线修改。
AI视频智能体脚本转视频AI剪辑
Fliki
国外
Fliki 是文本驱动的 AI 视频与配音平台，可把创意、脚本、博客链接或 PPT/PDF 拆成场景，并组合 AI 旁白、视觉素材、字幕、音乐、头像和多语言版本。
文本转视频AI配音多语言视频
Rev AI
国外
Rev AI 是面向开发者的语音识别 API 平台，提供录音和实时流式语音转文字，以及自定义词表、时间戳、字幕、语言识别和音频洞察等能力。
语音转文字API实时转写字幕与时间戳
Beatoven.ai
国外
Beatoven.ai 是面向视频、播客、游戏等内容项目的 AI 音乐与音效生成工具，可按提示、情绪和时长创建并调整配乐。
AI背景音乐视频配乐音效生成
SOUNDRAW
国外
SOUNDRAW 是面向创作者、音乐人和企业的 AI 音乐生成平台，可按风格、情绪与时长生成曲目，并提供段落编辑、Stem 导出及音乐 API。
AI音乐生成免版税配乐音乐API
Wisecut
国外
Wisecut 是面向口播、教程和长视频再利用的 AI 自动剪辑工具，可通过语音识别生成字幕、删除静音、调整节奏并制作短视频版本。
自动视频剪辑静音删除AI字幕
Podcastle
国外
Podcastle 是浏览器端音视频与播客制作平台，整合远程录制、转录式编辑、噪声处理、AI 配音、字幕、视频剪辑和节目发布。
AI播客制作远程录制音频增强
Tactiq
国外
Tactiq 是浏览器扩展式 AI 会议助手，可在 Google Meet、Zoom 和 Microsoft Teams 中实时显示转写，并从记录生成摘要、待办和后续工作流。
AI会议纪要实时转写无机器人参会
ZoomMate
国外
ZoomMate 是 Zoom 推出的智能体工作界面，把会议、电话、聊天和已连接企业系统中的上下文用于搜索、制作交付物并推动后续工作流。
会议执行智能体企业搜索工作流自动化
Avoma
国外
Avoma 是面向会议全生命周期的 AI 助手，可录制和转写会议、按模板生成纪要与跟进邮件，并把行动项和销售方法字段同步到 CRM。
AI会议纪要CRM同步销售复盘
Cluely
国外
Cluely 是桌面端实时 AI 会议助手，可监听会议语境、结合屏幕上下文回答问题并生成转写和纪要；其隐形显示能力尤其需要明确授权和合规边界。
实时会议助手无机器人转写屏幕上下文
Sesame AI
国外
Sesame AI 是主打自然对话节奏与语音表现力的个人智能体，提供网页研究预览与 iOS 移动预览，可进行语音或文字交流、联网搜索、深度研究、笔记和提醒。
自然语音智能体实时对话语音搜索
Letterly
国外
Letterly 是面向口述写作与语音笔记的跨平台工具，可把录音整理成消息、邮件、文章或会议摘要，并提供翻译、改写与自动化连接。
语音笔记AI改写跨设备写作
Metaview
国外
Metaview 是面向招聘团队的AI面试记录与招聘智能平台，可生成结构化笔记、候选人摘要并把反馈同步到ATS。
招聘面试AI会议记录ATS集成
Vizard AI
国外
Vizard AI 是面向播客、访谈、课程和营销视频的在线 AI 剪辑工具，可从长视频识别片段，自动重构画幅、生成字幕，并继续用文字或时间线编辑。
长视频转短视频AI自动剪辑字幕翻译
Mootion AI
国外
Mootion AI 是从创意、脚本、图片、音频或视频素材出发生成故事视频的平台，提供快速成片与分镜导演模式，并组合画面、配音、音乐和音效。
AI故事视频智能分镜多模态生成
screenpipe
国外
screenpipe 是开源的桌面上下文与个人AI记忆工具，可在本地记录屏幕文字、应用活动和音频转写，并通过搜索、AI聊天、API、MCP及自动化管道调用这些数据。
屏幕记忆本地AI桌面自动化
LOVO AI Genny 是集文字转语音、自定义声音、配音编辑和视频制作于一体的 AI 内容生产平台。
AI配音文字转语音视频制作
ScreenApp
国外
ScreenApp 是结合浏览器录屏、会议录制、多语言转写、AI纪要、视频问答和SOP生成的音视频知识工具。
AI录屏会议纪要视频分析
Microsoft Dragon Copilot 是面向医生、护士等临床人员的语音AI工作区，可把诊疗对话与口述转成待审核的临床文书，并支持EHR集成。
医疗AI临床文书环境语音
Abridge
国外
Abridge 是面向医疗机构的环境临床AI平台，可把诊疗对话转为专科文书草稿，并通过来源关联帮助临床人员核验后写入EHR。
医疗AI环境记录EHR
Suki Assistant 是临床语音AI助手，可从医患对话生成专科文书，并提供听写、语音编辑、患者摘要、编码和待审核工作流。
医疗AI助手环境文书语音指令
Eleven v4 是 ElevenLabs 的新一代文字转语音模型，强调情绪、节奏、角色一致性和多说话人对话，并提供面向低延迟智能体的 v4 Turbo。
文字转语音情感配音低延迟语音
Notion AI Meeting Notes 是内置于Notion页面的会议转写与总结功能，可从系统音频和麦克风生成逐字稿、要点、行动项与可回溯引用。
AI会议纪要会议转写Notion协作
AI音频工具怎么选
选择AI音频工具时，建议先明确任务是个人效率、内容创作、企业应用还是开发集成。个人用户优先看上手难度和中文体验，企业用户则要重点关注权限、成本、数据安全和可持续维护。
本分类下的每个工具详情页都提供原创介绍、适合人群、使用场景、教程步骤和参考来源，方便你从导航页继续进入具体工具学习。
想系统学习AI音频工具？
查看AI培训 可咨询AI培训和工具实战课程，联系QQ：1732839641
Articles
相关教程
Adobe Podcast、Krisp和Descript哪个好：AI录音降噪、口播修复和播客剪辑怎么选
面向播客、短视频、课程和访谈团队，对比 Adobe Podcast、Krisp、Descript 在实时降噪、录后人声增强、转写剪辑和内容再利用中的差异。
语音AI Agent工具推荐：Hume、Deepgram、ElevenLabs怎么搭配
从实时语音对话、语音识别、文本转语音、情绪理解和客服场景出发，说明 Hume、Deepgram、ElevenLabs 的分工与选型。
ElevenLabs Studio和Descript哪个好：AI有声书、播客与视频配音工作流对比
对比 ElevenLabs Studio 与 Descript 在长文本配音、多角色声音、转写剪辑、音乐音效、字幕和视频旁白制作中的差异。