标记为“音频转文本”的 AI 工具

所有标记为“音频转文本”的 AI 工具，由我们团队精选并验证。

18 款 AI 工具10 款已认证

顶级音频转文本工具

该分类下评分最高的工具，每周精选更新

NotebookLM screenshot

AI 模型与 LLM

NotebookLM

NotebookLM 将每个回答都建立在您上传的文档基础之上，不会产生超出信息源的幻觉，且每个回复都链接到确切的段落。Audio Overviews（音频概述）可根据您的文件生成播客风格的讨论。它确实新颖；但也确实受限于孤立的笔记本和严格的来源数量上限。

2short.ai screenshot

AI 智能体与自动化

2short.ai

2short.ai 可将 YouTube 长视频转换为适用于 TikTok 和 Reels 的竖屏短视频。它专为播客和创作者设计，利用 AI 面部追踪技术确保演讲者始终处于画面中心。虽然它能节省数小时的手动剪辑时间，但在复杂的讨论中，AI 有时会在句子未说完时突然截断。

Fellow screenshot

AI 智能体与自动化

Fellow

Fellow 是一款专为管理者打造的 AI 会议管理平台，可直接在 Google Calendar 中跟踪议程和行动事项。它支持录制和转录 30 种语言的通话。其免费版本限制非常严格，用户终身最多只能生成 5 份 AI 笔记，之后便需要付费升级。

FileGPT screenshot

AI 模型与 LLM

FileGPT

FileGPT 是一款 AI 文档助手，可让研究人员和专业人士查询 PDF、音频文件和 YouTube 视频。它利用语义搜索从长达 500 页的法律合同中提取结构化数据。Basic 计划每月 6,000 个代币的限制可能会对重度用户造成制约。

SummarAIze screenshot

文本

SummarAIze

SummarAIze 可将音频和视频文件转换为可直接发布的社交媒体帖子和新闻通讯。它能帮助创作者和营销团队从单集播客中提取多达十条金句。该工具目前没有移动端应用程序，用户只能在桌面环境下完成所有处理任务。

Castmagic screenshot

音频

Castmagic

Castmagic 可将任何音频或视频录音转化为全套可直接发布的内容资产：转录文本、节目说明、社交媒体帖子、新闻通讯、带时间戳的章节等。专为希望在不增加人员编制的情况下扩大内容产出的播客、教练和内容团队而打造。

Speechmatics screenshot

音频

Speechmatics

Speechmatics 是一款源自剑桥的企业级语音转文本 API，基于 Ursa 2 模型运行，支持 55 种以上语言的实时转录，提供本地部署选项，全面符合 HIPAA 和 SOC 2 合规标准，并具备无视口音的高准确率，专为广播公司、联络中心和受监管行业打造。

Whisper screenshot

音频

Whisper

OpenAI Whisper 是一款免费且基于 MIT 协议开源的语音识别模型，支持 99 种语言的音频转录。深受开发者青睐，常用于播客处理流水线、会议记录和视频字幕生成。支持零成本自托管部署；也可通过 OpenAI API 调用，价格为每分钟 $0.006。

Deepgram screenshot

音频

Deepgram

Deepgram 是一款提供语音转文本 (STT)、文本转语音 (TTS) 以及语音代理编排的开发者 API。其 Nova-3 模型提供延迟低于 300 毫秒的流式转录，每音频小时仅需 0.46 美元，支持本地部署，并提供将 STT、TTS 和 LLM 路由整合在单一 WebSocket 管道中的 Voice Agent API。

AssemblyAI screenshot

音频

AssemblyAI

AssemblyAI 是一款专为开发者打造的语音转文本及音频智能 API。它使用 Universal-2 和 Universal-3 Pro 模型转录音频，并通过 LeMUR 提供说话人分离、情感分析和基于 LLM 的摘要功能，价格低至每音频小时 $0.15。

全部音频转文本工具 (18)

NotebookLM热门

AI 模型与 LLM

音频

音频

音频

音频

音频

视频

音频

AI 智能体与自动化

AI 模型与 LLM

AI 智能体与自动化

文本