语音识别工具把音频转成文本。选型看中文和方言的识别率、说话人分离能力、专业词表是否可定制，以及长音频的处理时长。采访和会议录音这类多人场景，说话人区分往往比字准率更影响可用性。
共收录 19 个工具
百度网盘转写是一款依托网盘生态的AI语音转文字工具，支持云端音视频文件直接高精度识别，助力用户高效完成文本转换与知识管理。
Vizard是一款AI视频剪辑工具，能将长视频自动转化为适配社交平台的短视频片段。
讯飞听见是科大讯飞推出的AI音频处理平台，专注语音转写、翻译与智能纪要生成，面向办公及学习场景。
AssemblyAI 是面向开发者的语音 AI 基础设施，提供预录制与实时语音转文字 API、语音代理 API，以及说话人分离、医学模式、PII 编辑等开箱即用
Pictory是一款基于人工智能的视频自动化创作平台，致力于将文本、博客和长视频快速转化为高质量短视频，大幅提升内容生产效率。
通义录音笔是一款基于通义大模型的一站式AI音视频智能分析平台，提供高精度语音转写、角色分离与智能摘要功能，助力高效处理会议与访谈记录。
飞书妙记是一款深度集成于飞书生态的智能化音视频处理工具，通过高精度语音识别与自然语言处理技术，将非结构化音视频高效转化为可检索、可编辑的结构化文本。
开拍是一款主打口播视频网感包装的AI工具，面向带货、门店引流及短视频创作者，提供智能混剪、爆款复刻与画质修复等能力。
Filmora 是 Wondershare 推出的 AI 驱动视频编辑软件，面向创作者、营销人员及教育者，提供从素材整理到成片交付的一体化工作流。
秘书AI是一款专为行政人员与高管助理打造的垂直领域AI写作辅助工具，致力于将繁琐的文书工作自动化，提升职场沟通效率与文档规范性。
紫东太初是由中科院自动化所与武汉人工智能研究院联合推出的全模态大模型，提供涵盖图文音视频及3D信号的综合AI交互服务。
科大讯飞推出的在线AI语音转文字工具
新片场推出的AI视频字幕制作工具
Descript是一款基于文本编辑的AI音视频工具，让创作者通过修改转录文字即可剪辑视频，适合需要快速产出内容的个人及团队。
MemoAI 是一款本地运行的 AI 语音转文字工具，支持多语言转录、翻译与说话人分离，适合需要把音视频内容整理成文字的学生、内容创作者和企业用户。
魔搭社区是阿里达摩院推出的开源AI模型共享平台，汇集300多个预训练模型，供开发者、研究人员和企业下载、微调与部署。
通义听悟是阿里云推出的音视频内容AI助手，依托通义千问大模型，为会议、学习和访谈场景提供实时转写、翻译和智能提炼服务。
腾讯推出的 AI 多模态创作者社区
Deepgram 是面向开发者和企业的语音 AI 平台，提供语音转文字、文字转语音和语音对话代理 API，支持实时与批量处理，可云端或私有化部署。
