WhisperDesktop 本地音频转文字软件
可实现本地电脑的音频转文字软件！完全免费开源！支持 Windows、macOS、Linux （目前界面只有英文的，但支持中文的转换） 特征 基于 DirectCompute 的供应商不可知的 GPGPU；该技术的另一个名称是“Direct3D 11 中的计算着色器” 纯 C++ 实现，除了基本的 OS 组件外没有运行时依赖性 比 OpenAI 的实现快得多。 混合 F16 / F32 精度：自 D3D 版本 10.0 起，Windows [color=var(–color-accent-fg)]需要缓冲区 的支持R16_FLOAT 内置性能分析器，可测量单个计算着色器的执行时间 内存使用率低 用于音频处理的媒体基础，支持大多数音频和视频格式（Ogg Vorbis 除外），以及大多数在 Windows 上运行的音频捕获设备（除了一些专业的，它们只实现 ASIO API [color=var(–color-accent-fg)]。 用于音频捕获的语音活动检测。 使用步骤： 下载 WhisperDesktop.zip、ggml-medium 语音模型（官方那里有好多规格如图一，作者推荐1.42G这个模型，下面百度云盘下载链接）解压WhisperDesktop.zip，打开WhisperDesktop.exe，首先选择要加载的语音模型
github.com/chidiwilliams/buzz - 2026-07-05 - 收藏听脑AI
听脑AI是由上海秀御网络科技有限公司提供的一款智能语音服务平台。公司位于上海市浦东新区张江微电子港，这里是中国科技创新的重要基地。听脑AI旨在通过AI技术，解决用户在工作和生活中的语音需求，提升效率。 我们的核心产品利用最新的语音识别和自然语言处理技术，为用户提供简便高效的语音服务，无论是语音指令、会议记录还是多语言翻译，都能轻松应对。听脑AI致力于成为您日常工作和生活中的得力助手。
itingnao.com - 2026-07-04 - 收藏讯飞听见
网站：https://www.iflyrec.com 讯飞听见依托科大讯飞的语音识别技术,打造智慧办公服务平台,提供语音转文字、录音转文字、视频会议、视频转文字、视频加字幕、同声翻译、语音翻译等服务,可满足多样化的语音转文字需求,致力于提高办公效率。
www.iflyrec.com - 2026-07-04 - 收藏通义听悟
「通义听悟」是通义家族新成员，依托通义千问语言模型、音视频AI模型能力，为用户带来音频和视频内容记录和阅读的全新体验，成为在工作和学习中的AI助手，让每个人都能亲身去体验AI功能给我们带来的效率提升和灵感迸发。 通义听悟可以帮助用户在会议、学习、访谈、培训等场景下： 实时记录交流内容，多语言翻译 批量转写本地/阿里云盘音视频文件，自动区分发言人 智能提炼全文概要、章节速览、发言总结 自动提取关键词、问题回顾、待办事项 编辑整理笔记，导出记录 目前，包括全文概要、章节速览、发言总结等高阶AI能力在内的全部功能，用户无需申请和排队即可马上体验。同时官网还提供了丰富的权益活动，使用户能够获取更多使用时长。 chrome插件：https://chrome.google.com/webstore/detail/%E9%80%9A%E4%B9%89%E5%90%AC%E6%82%9F-%E5%B7%A5%E4%BD%9C%E5%AD%A6%E4%B9%A0ai%E5%8A%A9%E6%89%8B/omlgpaciclcjgbligehccipcikleeiea?hl=zh-CN edge插件：https://microsoftedge.microsoft.com/addons/detail/%E9%80%9A%E4%B9%89%E5%90%AC%E6%82%9F-%E5%B7%A5%E4%BD%9C%E5%AD%A6%E4%B9%A0ai%E5%8A%A9%E6%89%8B/hbfhdcdeikaehendoojplfpjcfifnlme
tingwu.aliyun.com/home - 2026-07-04 - 收藏33字幕
把音频、视频转成文本或字幕，并翻译成其他语言 33字幕 功能特性 支持多种转写引擎 基于优化后的Whisper AI语音转写引擎，能识别英日韩法泰等50多种不同国家语言，识别能力接近人类水平。 支持多种翻译引擎 你可以利用我们集成的翻译功能，轻松把字幕翻译成中文或者其他语言，支持ChatGPT（需要Key）、DeepL、微软、百度等翻译接口。 支持字幕编辑 可以通过我们的编辑器快速修正错误内容，具备快速定位问题时间轴、替换单词、撤销、历史记录等特性，可以通过音频波形图可视化调整时间片。 支持字幕摘要 内置支持 ChatGPT 为生成台词摘要，快速定位长视频或音频的关键信息。 支持预提取人声 通过先进的AI人声提取技术，即便是带有背景音乐的音视频，也能准确识别。 保护内容安全 不会上传视频，只提取必要的音频上传，音频在识别完成后会立即删除（有提取人声会保留几天时间提供下载除外）。
www.33subs.com - 2026-07-04 - 收藏网易见外 – AI智能语音转写听翻平台
网易见外由人工智能事业部研发，是一个集视频听翻、直播听翻、语音转写、文档直翻功能为一体的AI智能语音转写听翻平台，致力于用语音识别转写文字、机器翻译等技术为从事和爱好语音转写、翻译的人员提供更便捷的听翻工具，提升工作效率，降低转写成本，进而改变人们跨文化交流与内容跨国界传播的实现方式 。 进入网易见外官方网站—>用网易邮箱账号登陆—>点击新建项目—>语音转写—>上传音频文件—>提交。等待几分钟，字幕就生成了，直接导出就好，准确率蛮高，几乎不需要修正。
sight.youdao.com - 2026-07-04 - 收藏通义听悟
「通义听悟」是通义家族新成员，依托通义千问语言模型、音视频AI模型能力，为用户带来音频和视频内容记录和阅读的全新体验，成为在工作和学习中的AI助手，让每个人都能亲身去体验AI功能给我们带来的效率提升和灵感迸发。 通义听悟可以帮助用户在会议、学习、访谈、培训等场景下： 实时记录交流内容，多语言翻译 批量转写本地/阿里云盘音视频文件，自动区分发言人 智能提炼全文概要、章节速览、发言总结 自动提取关键词、问题回顾、待办事项 编辑整理笔记，导出记录 目前，包括全文概要、章节速览、发言总结等高阶AI能力在内的全部功能，用户无需申请和排队即可马上体验。同时官网还提供了丰富的权益活动，使用户能够获取更多使用时长。 chrome插件：https://chrome.google.com/webstore/detail/%E9%80%9A%E4%B9%89%E5%90%AC%E6%82%9F-%E5%B7%A5%E4%BD%9C%E5%AD%A6%E4%B9%A0ai%E5%8A%A9%E6%89%8B/omlgpaciclcjgbligehccipcikleeiea?hl=zh-CN edge插件：https://microsoftedge.microsoft.com/addons/detail/%E9%80%9A%E4%B9%89%E5%90%AC%E6%82%9F-%E5%B7%A5%E4%BD%9C%E5%AD%A6%E4%B9%A0ai%E5%8A%A9%E6%89%8B/hbfhdcdeikaehendoojplfpjcfifnlme
tingwu.aliyun.com/home - 2026-07-04 - 收藏MiniMax 语音
Minimax Audio是什么 Minimax Audio是一个AI音频生成与处理工具，它能将输入的文字转换成自然、富有情感的语音，也能根据文本创作音乐。它为需要进行新闻播报、说书、影视配音等音频内容创作的用户提供服务，同时配备了自定义音色设计和人声提取等AI工具。
www.minimaxi.com/audio - 2026-07-04 - 收藏Buzz：离线开源免费语音转文字（字幕）
基于Whisper的GUI软件：Buzz：离线语音转文字（字幕） Buzz：离线开源免费语音转文字（字幕） Whisper 是什么？ 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。
github.com/chidiwilliams/buzz - 2026-07-04 - 收藏
推荐资讯
推荐站点
造点
核心功能与模型 “造点”平台的最大亮点是整合了业界顶尖的AI模型，实现了“强强联合”： 1. AI生视频：率先接入 通义万相 Wan2.5 全球首发/国内首个： 成为国内首个支持音画同步生成的平台。它可以在生成视频画面的同时，自动匹配人声、音效和背景音乐。 高质量输出： 支持生成长达10秒、1080P高清、24帧/秒的视频，画质可满足专业需求。 强指令遵循： 能够理解并执行复杂的指令，如运镜、视角切换等连续变化。 声音驱动： 用户可以在提示词中用引号（“”）来描述声音，实现声音驱动画面生成。 2. AI生图：集成 Midjourney V7与夸克图片1.0 顶级美学： 接入了Midjourney V7模型。 本土化优化与易用性： 无需魔法，中文友好： 国内用户可以直接使用Midjourney V7模型，无需海外网络环境。 UI简化： 将MJ复杂的参数（如风格化、怪异化）做成了直观的滑块控制，方便调节。 辅助功能： 提供“智能润色”和“特征词库”等功能，帮助新手快速上手。 特色能力： 结合夸克自研技术，夸克图片1.0模型在亚洲人像、中文文字生成、国风元素等方面表现出色，适合电商、设计等场景。 产品体验与工作流 一站式创作流： 用户可以在平台内使用Midjourney V7生成高质量图片后，一键调用通义万相Wan2.5将图片转化为动态视频，整个创作流程非常顺畅。 双端体验： PC网页端： 提供功能最全面的专业创作体验，面向专业创作者。 夸克APP移动端： 提供轻量化的创作体验，以对话式交互为主，满足普通用户的趣味玩法和日常修图需求，如“一句话P图”、换发型、换背景、风格转换等。 价格与优惠活动 会员定价： 标准会员： 48元/月，可生成约400张MJ图片。相比Midjourney官方订阅（约70元/月生成200张），价格近乎“腰斩”。 高级会员： 188元/月，可生成约1800张MJ图片。 还有免费套餐，登录可获取每日积分。 限时免费活动： 活动时间： 即日起至9月30日。 活动内容： 所有用户均可享受7天免费体验通义万相Wan2.5的视频生成功能。 综上所述，“造点”是夸克在AIGC领域推出的一个旗舰级产品，它通过集成中外最顶尖的AI模型（通义万相2.5 + Midjourney V7），并辅以出色的本土化优化和极具竞争力的价格，为从专业创作者到普通用户的广泛人群提供了一个强大且易用的一站式AI内容创作平台。
create.qianwen.com百小应
百川智能发布最新一代基座大模型Baichuan 4，并推出成立之后的首款AI助手“百小应”。Baichuan 4相较Baichuan 3 在各项能力上均有极大提升，其中通用能力提升超过10%，数学和代码能力分别提升14%和9%，在国内权威大模型评测机构SuperCLUE的评测中，模型能力国内第一。此外，Baichuan 4还具备行业领先的多模态能力，在各大评测基准上表现优异，领先Gemini Pro、Claude3-sonnet等多模态模型。在Baichuan 4强大能力的基础上，百川智能将搜索技术与大模型深度融合，推出懂搜索、会提问的AI助手“百小应”。
yi.baichuan-ai.com腾讯元宝
腾讯元宝是基于腾讯混元大模型的AI助手应用，集成AI搜索、AI总结、AI写作、AI绘画等能力，同时支持创意绘画生图，帮助用户在工作、学习和生活中提高效率。
yuanbao.tencent.com