跳到主要内容

🎙️2026年最新89个语音技术工具

语音技术 分类最近新增 89 个工具用 AI 克隆音色、配音并转换语音。按发布时间排序的 语音技术 新品列表。

2026年最新89个语音技术工具

  • OnDial

    OnDial 是一个面向企业呼入与呼出电话的对话式 AI 语音代理平台。它能理解来电者的真实意图,基于经过批准的企业知识与指令作答,并推动下一步动作,例如预约、筛选潜在客户或将通话升级转接给人工坐席。…

  • Seed Audio 1.0

    Seed Audio 1.0 是字节跳动 Seed 推出的全能型 AI 音频生成模型,可根据文本、图像或音频提示,一次性构建完整的声场场景。它把多说话人对话、富有表现力的配音、环境音、背景音乐以及拟音风格音效整合在同一段输出中,让创作者不必…

  • VideoToTranscript

    VideoToTranscript 是一款基于 AI 语音识别的转写工具,可将视频或音频文件中的语音内容转换为带时间戳的文字稿。你可以上传本地文件,也可以直接粘贴链接(包括 YouTube),无需注册账号或绑定信用卡即可开始使用。…

  • Voicy

    Voicy 是一款 AI 语音转文字听写应用,让用户用说话代替打字,在几乎所有应用和网站中直接完成输入。无论是写邮件、聊天、文档还是博客文章,只要在文本框中开口说话,Voicy 就能把语音转成文字,覆盖…

  • TranscribeAudio

    TranscribeAudio 是一款在线 AI 工具,可将音频、视频以及社交媒体链接(包括 YouTube)转换为可搜索、带时间戳的文本转录稿。它面向需要快速将语音内容转为文字的用户,无需安装软件,通过上传文件或粘贴链接即可获得转录结果。…

  • CastReader

    CastReader 是一款支持网页、PDF、Kindle 电子书以及 AI 回答的朗读工具。它在朗读时提供逐词同步高亮和自动滚动,帮助用户跟上阅读进度。当遇到难以理解的段落时,Read & Explain…

  • HearSub

    HearSub 是一款 Chrome 扩展,用于观看外语 YouTube 视频。它能够读取视频字幕,结合上下文进行实时翻译,并将翻译结果与播放进度同步显示,让你用母语自然观看原本听不懂的内容。…

  • SummarizeVideoToText

    SummarizeVideoToText 是一款免费的 AI 视频摘要工具,可将 YouTube、TikTok、Instagram 和 X 上的视频或上传的录音文件转换为可用的文字内容。无论是学习、工作还是内容创作,它都能帮助你快速获取视频…

  • AutoDub

    AutoDub 是一款浏览器扩展,能在 YouTube 视频播放时实时翻译并配音,让你用自己的语言收听外语视频。它通过 AI 语音将字幕内容翻译后朗读出来,并同步显示双语字幕,帮助桌面端观众跨越语言障碍。…

  • Aqua Voice

    Aqua Voice 是一款语音听写应用,能够将你说的话转写为准确、贴合语境的文字,并直接粘贴到桌面端和移动端任意应用的文本框中。它无需浏览器扩展,只要把光标放在输入位置即可说话输入,解决频繁打字效率低、口述转文字不准确的问题。 Aqua…

  • heyclicky

    heyclicky 是一款 Mac 上的 AI 伙伴。按下热键,它就能看到你屏幕上显示的内容,你可以直接开口提问,它会语音回答,并在屏幕上画出指引带你完成操作。 除了语音对话,heyclicky 还能以文字听写代替键盘输入,并可以调度…

  • HeyRik

    HeyRik 是一款用于构建、部署和扩展 AI 电话代理的工具。它让企业能够通过电话自动应答每一个来电,代理基于您自己的知识库进行训练,并使用听起来自然逼真的语音进行交流。 HeyRik 解决的是电话应答中人力有限、响应不及时的问题。通过…

  • Facecam AI

    Facecam AI 是一款面向视频通话与直播的实时 AI 视频与语音变换工具。它可以在你说话的同时,实时替换面部、改变声音,并为摄像头画面叠加 AI 滤镜或虚拟形象,主要服务于 Google Meet、Zoom、Microsoft…

  • FeedDub

    FeedDub 是一款 Chrome 扩展,能把在线视频配音成另一种语言。点击播放器中的麦克风图标,原声会降低音量,同步的译制音轨会按原时间轴覆盖每一句台词,帮助不想读字幕的观众跟上长视频内容。 它面向在…

  • Liso

    Liso 是一款把网页内容转换成 AI 语音的工具。你在网上读到的文章、newsletter、博客帖子,或者自己粘贴进来的文本,都可以交给它朗读出来,像一档专属于你阅读清单的个人播客。它解决的核心问题是:想看的内容太多、能专心看的时间太少,…

  • Video to Text

    Video to Text 是一款 AI 转录工具,可以将上传的视频和音频文件,或公开的社交媒体视频链接,转换成带说话人标签和时间戳的文字稿。对于需要把影音内容变成可搜索、可编辑文本的人来说,它省去了手动听写的大量时间。…

  • Read PDF Aloud

    Read PDF Aloud 是一款将 PDF 及其他文档转换为自然 AI 语音的工具,让用户从“读”变为“听”。它不仅能处理普通 PDF,还能通过 OCR 识别扫描件和手写笔记中的文字,并支持多种文档格式。…

  • Pulse

    Pulse 是一款语音转文字 API,能够将实时语音、通话内容、音频及视频文件转换为结构化文本。它面向需要构建实时语音处理管道的开发者、呼叫中心以及语音 AI 应用团队,帮助他们在生产环境中实现低延迟、多语言、可标注说话人的语音转写能力。…

  • Coach Call AI

    Coach Call AI 是一款 AI 责任伙伴,通过每日 WhatsApp 问候和真实的 AI 电话呼叫,帮助用户坚持目标、养成习惯。它解决的是人们在缺乏外部监督时容易拖延、放弃的问题,把“有人盯着你”的感觉变成可执行的日常提醒。…

  • Speko

    Speko 是一个面向语音 AI 的路由器。它会持续评测 79 个以上的语音与语言模型在 17 种语言下的表现,并把每一次语音会话交给在该语言和该目标下表现最好的模型处理。所有能力通过一套托管的 STT、LLM 和 TTS API…

  • Ojin

    Ojin 是一个面向实时 AI 数字人的开发平台。用户只需上传一张图片,即可生成拥有逼真面孔与声音的 AI 角色,无需模型训练或骨骼绑定,并可通过 API 将其嵌入网站或应用。 Ojin…

  • Gradium

    Gradium 是一套面向开发者的实时语音 AI API,将文本转语音、语音转文本、实时翻译、声音克隆与声音设计整合在统一的接口之下。它解决的核心问题是:构建语音智能体时,开发者往往需要拼接多个服务来处理听、说、译三类任务,而…

  • VoiceCloner

    VoiceCloner 是一款基于授权语音样本创建私有 AI 声音档案的工具。用户上传一段简短的本人或已获授权的录音,即可生成专属的克隆声音,随后输入文字便能合成该声音的语音并下载为音频文件。整个过程围绕“先授权样本、再生成语音”的思路设计…

  • Seply

    Seply 是一款基于 AI 的音频处理工具,专注于说话人分离(speaker separation)与语音转文字。它能够将播客、访谈、会议或视频录像中的混合音频,按检测到的每位说话人拆分成独立且时间对齐的 WAV…