语音识别

Chat Video 基于ai的高效视频学习工具，具有语音识别、摘要总结、AI 问答等功能，Chat Video致力于帮助用户高效学习和管理视频。Chat Video 通过采用云端AI语音识别技术，可以快速识别视频中的语音并转录成文字，支持处理各种语言的视频，高效快速、识别准确率高。这比传统的人工转

Otter.ai是AISense推出的一款基于人工智能和机器学习的多人AI语音识别和转录工具。可以为实时演讲者显示字幕，并转录生成演讲的文字记录。帮助用户记住、搜索和分享他们的语音对话。Otter.ai是你提升效率、摆脱手动记笔记烦恼的终极武器。Otter.ai 的主要功能是实时转录语音，并生成可分

Lingvanex，一个全面的翻译工具，包括文本、语音、图片和文档翻译应用。它利用神经机器翻译技术提高生产力。Lingvanex 是基于人工智能的机器翻译领域的开拓者，为企业和个人消费者提供创新的解决方案。我们专注于 109 种语言的无缝翻译和 91 种语言的语音识别，以一流的质量转换文本、图像、文

Whisper 是Openai 开源音频转文字的语音识别模型。它在不同音频的大型数据集上进行训练，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。Whisper有五种模型尺寸，提供速度和准确性的平衡，其中English-only模型提供了四种选择。下面是可用模型的名称、大致内存需求

FireRedASR 是由小红书 FireRed 团队于2025年2月9日发布并开源的基于大模型的语音识别模型，它在中文普通话语音识别领域取得了新的SOTA（字错误率CER 3.05%），并支持方言、英语及歌词识别。FireRedASR的主要功能：高精度语音识别：FireRedASR-LLM（8.3

Lalalai啦啦爱，人声去除器和AI智能伴奏分离器，使用人工智能去除人声并进行音源分离，快速、简单、精确地提取词干（人声/伴奏）。Lalalai为下一代人声移除器和音乐源分离服务，用于快速、简单和精确的音轨提取。删除人声、器乐、鼓、贝司、钢琴、电吉他、原声吉他和合成器曲目，而不丢失音质。Lalal

vocalremover，人声伴奏分离,移除人声并分离，用强大的ai人工智能算法将声音从音乐中分离出来。将音乐分成分离的人声和器乐轨道。是制作卡拉OK伴奏曲目或阿卡贝拉提取器的完美选择。使用了人工智能算法且完全免费使用。VocalreMover的工作原理是将您的音频文件上传到云端，然后由 AI 模型

PengChengStarling是鹏城实验室开源的一款多语言语音识别系统，支持实时语音识别，边说边识别，只要应用在国际会议录音转文字、多语言视频自动生成字幕、跨语言客服系统场景中使用。PengChengStarling基于 icefall 项目开发，模型大小仅为 Whisper-Large v3

星火纪要是什么？星火纪要，科大讯飞推出的一款基于先进语音识别技术和大模型的会议交流总结和分析平台，具有高效转录、智能总结、翻译、数据分析等功能，通过领先的语音识别技术和大模型技术，帮助企业在销售、访谈、头脑风暴、工作坊等多场景讨论中快速提炼讨论重点，并提供深度业务分析支持，提升效率和决策能力。星火纪

Moshi 是一个多流实时语音生成 Transformer 模型，支持全双工语音对话。其主要特点是同时语音输入和输出（全双工），以及处理复杂对话场景的能力，包括重叠语音、中断和情绪表达等非语言信息。这意味着它可以同时听和说，旨在解决传统对话系统中的一些问题，例如延迟、非语言信息（例如情绪）丢失以及对