AI音频

Whisper

用于语音识别的开源模型和工具，可将多种语言的录音转成文字，也支持语言识别与语音翻译相关任务。适合访谈整理、字幕制作和音频检索的前处理；口音、噪声与专业词汇仍需要人工检查。

Piper

可在本地运行的神经网络文字转语音引擎，适合给自建应用、阅读辅助或家庭自动化加入语音播报。提供命令行及编程接口，下载合适声音后即可处理文本；不同语言和音色的效果应通过试听选择。

讯飞译制

官网说明摘要：讯飞译制依托科大讯飞语音识别与语音合成技术，提供AI视频翻译、AI配音、声音克隆、字幕翻译与多语种字幕生成能力，适用于短剧出海、跨境电商、课程培训等视频译制场景。