"语音识别" 的搜索结果

讯飞智作是科大讯飞推出的AIGC内容创作平台，于2023年4月正式发布，定位为一站式智能配音与虚拟人应用服务平台。平台运用语音识别、语义理解、语音合成、NLP及星火大模型等AI核心技术，提供AI音频制作、AI视频生成、虚拟人形象构建与驱动、多模态交互等一站式服务。核心功能包括：AI配音（文字转语音，支持多语种多风格发音人）、虚拟主播播报（2步生成数字人视频）、数字分身定制（5分钟视频打造专属虚拟形象）、一句话声音复刻、AI分镜创作、PPT转视频、图文转视频等。平台提供300余个公共形象、1000余个创意模板及1000余个发音人资源，累计服务用户超1210万，聚集约500万AI创作者

2026-06-02

Deepgram是一家领先的语音AI平台，为开发者提供高精度、低成本的实时语音识别（STT）、文本转语音（TTS）及统一的语音Agent API。其Nova系列模型在准确率和速度上均超越竞品，Aura-2 TTS延迟低于200毫秒，语音Agent API定价仅4.5美元/小时。支持云端与自托管部署，已获超20万开发者信赖。

2026-07-11

ElevenLabs是一家AI音频研究公司，提供文本转语音、语音克隆、语音智能体等产品。其AI模型能生成具有自然语调、情感和语境理解能力的人声，支持70多种语言和90多种语言的语音识别。平台提供超1万种音色，已被超过750万创作者和企业信赖，广泛应用于有声书、播客、视频游戏、客服等领域。

2026-07-02

AssemblyAI提供生产级的语音转文本API，以93.3%+的词准确率和低至$0.15/小时的价格支持99种语言。平台集成了说话人分离、PII识别、摘要生成等语音理解能力，并支持低至300ms延迟的实时流式转录，被超过20万开发者用于构建语音代理、会议记录和对话分析等应用。

2026-07-11

出门问问开放平台是出门问问公司推出的一站式AI能力开放平台，提供包括语音识别、语义理解、语音合成（TTS）、唤醒词定制等在内的多种人工智能服务。该平台面向开发者、企业和合作伙伴，支持快速集成智能语音交互功能，广泛应用于智能硬件、车载系统、智能家居、客服机器人等场景。平台提供丰富的API和SDK，帮助用户降低AI开发门槛，实现高效、稳定的语音交互体验。

2026-07-15

场辞是一款基于语音识别技术的视频字幕制作软件，提供语音转字幕、一键加字幕、视频加字幕、字幕快捷校对等功能。最快5分钟即可完成1小时视频的字幕制作，准确率高达97.5%。支持多轨制作、可视化时间轴编辑、实时预览拖拽缩放字幕，并支持SRT/ASS/XML等多格式字幕导出及一键压制带字幕视频。适用于自媒体、电视台、在线教育、Vlog、短视频等全场景。

2026-07-17

SyncWords是一款基于AI技术的智能字幕生成与视频翻译工具，专注于为视频创作者、媒体公司和教育机构提供高效的多语言字幕解决方案。它利用先进的语音识别和机器翻译技术，能够自动将视频中的语音转换为文字，并支持多种语言的字幕翻译和同步。用户无需手动调整时间轴，即可获得精准、流畅的字幕文件。该工具特别适合需要快速处理大量视频内容、进行跨语言传播的用户，显著降低人工字幕制作的时间和成本。

2026-07-23

AutoCaption是一款基于人工智能的自动字幕生成工具，专注于为视频内容快速生成准确的字幕和标题。该工具利用先进的语音识别和自然语言处理技术，支持多种语言的字幕生成，帮助内容创作者、视频编辑和营销人员节省手动添加字幕的时间。用户只需上传视频，即可自动获取同步字幕文件，并支持多种格式导出。AutoCaption旨在提升视频的可访问性和搜索引擎优化效果，适用于社交媒体、在线教育、企业宣传等场景。

2026-07-23