开源的媒体搜索引擎，专注于提供开放许可的图像、音频等媒体内容

免费AI 助手，提供聊天、文档阅读、音视频速读、AI 创作（图像/视频/音频）等。阿里云自主研发的大语言模型

一个阅读和播客平台，提供丰富的阅读和音频资源在线搜索下载电子书和在线阅读。

AI音视频转录与总结，内容学习效率 x10！视频/音频图文转录、翻译、总结，思维导图大纲，讲座、播客、访谈、会议转录和总结

“问问小宇宙”是一款由即刻AI团队推出的AI搜索产品，旨在为用户提供快速、智能的播客节目搜索和推荐服务。该平台通过AI技术，结合音频内容，为用户带来全新的搜索体验。

字节跳动豆包大模型团队推出的前沿视频生成基础模型。该技术通过整合多模态生成能力（文本,图片,音频,视频）与底层的MMDiT架构，实现了“原生音画同步”与“多镜头长叙事”的突破。

一家专注于有声小说与音频内容分享的免费在线平台，致力于为用户提供“精神食粮”，让阅读变得更轻松随心。

一款开源的多平台内容同步分发生产力工具，支持将文章、笔记、动态、图片、视频、音频等内容，一键同步发布至主流媒体平台。

这是一款面向文本内容可视化的 AI 应用：先将输入文字转换为语音，再识别其中的实体，为各实体生成图像，最后把图像串联并与音频合成为视频。

Video Dubbing (SoniTranslate)是一款基于开源项目的视频配音工具，围绕视频转写、说话人区分、翻译、语音合成、音频混合及结果导出提供操作界面，适合处理多语种视频内容。

AI Video Composer 是一款面向媒体处理的 AI 应用，可将自然语言描述转换为 FFmpeg 命令，用于制作图片幻灯片、合并视频、添加音频、调整速度、转换格式及生成音频波形视频。

Rokid AR Spatial是一款面向沉浸式娱乐与多任务处理的AR眼镜，提供相当于300英寸的视野、近视调节、多屏工作空间和空间投屏功能，并配备独立运算、无线连接与内置音频能力。

Text To Speech 是一款基于 Edge TTS 的语音转换工具，可将输入文字或 TXT、SRT 文件转换为音频，并生成字幕文件。它支持单人朗读，也支持按指定格式处理双人或多角色对话。

非常简单的万能文件格式在线转换工具。支持超过309种不同的文档、图像、电子表格、电子书、文档、演示文稿、音频和视频格式的转换。

在线免费下载全球10000+主流平台的视频、音频和图片，只需粘贴视频链接，即可获取高清视频、音频和图片下载链接

多种免费在线工具合集，高效办公的得力助手，提供编程工具、图片处理、音频处理与视频处理功能

cat-catch是一款资源嗅探扩展插件，其主要功能是帮助用户筛选和列出当前页面的资源，例如视频、音频等。

悦录依托同花顺的语音识别技术，为用户提供免费的录音转文字、语音转文字、视频字幕等服务，1小时音频最快5分钟出稿，准确率高达97%+，全程加密，文件信息安全。

喜马拉雅旗下，多情感多模态的Al辅助工具，强大的在线剪辑能力，辅助你轻松创作出优秀的音频作品

提供多种心理咨询服务，包括面对面咨询、远程视频咨询、音频咨询等

Bird Song（鸟鸣）是一个专注于将真实鸟鸣转化为自然背景音频的在线平台，通过高质量的鸟鸣录音、环境背景音和循环白噪音，为用户提供睡眠、专注与放松的场景化听觉体验。

fm365.space 是一个专注于免费在线广播电台聚合的网页平台，主打中央及全国主流电台直播收听，界面简洁、无需下载、打开即听，适合日常通勤、学习、工作时作为背景音频使用。

支持创作者通过上传图片、音频、视频等内容，按月或按年向订阅者收取费用

一个由社区驱动的在线平台，致力于为用户提供丰富多样的高品质环境音效与氛围音频。用户无需安装任何软件，即可在浏览器中免费收听、混合甚至创作属于自己的沉浸式声音场景。

Adobe 公司提供的一个高质量创意素材订阅与授权平台，提供的资源类型：高清照片，矢量图，插画，视频片段，音频，3D 资产，模板等

OBS Studio是一款免费、开源的视频录制与直播软件，支持Windows、macOS和Linux。它可以实时采集和混合视频、音频，组合多个场景与来源，并连接常用直播平台，适合直播、屏幕录制和制作多来源视频内容。

Realistic Text To Speech Unlimited 是一款基于 Gradio 界面的 AI 音频应用，可将输入文本转换为语音，并允许选择声音与情绪风格，适合旁白、角色表达和音频内容制作等任务。

Edge TTS Text To Speech 是一个基于 Gradio 界面的 AI 音频应用，可将输入文本转换为语音，并通过声音选择、语速和音调参数调整输出效果，适合处理朗读、配音等文本转语音任务。

tts Text To Speech 是一款基于 Next-gen Kaldi 的 AI 音频应用，可将输入文本转换为语音，并通过参考音频进行声音克隆相关处理。界面支持模型选择、语速调节、参考音频上传或录制等操作。

Edge TTS Text To Speech 是一款面向音频生成任务的公开应用，可将输入文本转换为生成音频，并通过语音选择、语速和音调参数调整输出效果，适合需要把文字转为语音的场景。

通义实验室聚合通义千问、万相等大模型及相关应用，覆盖文本理解与生成、视觉和音频理解、图像视频生成、长文档总结、信息提取、内容审核与智能交互等任务，适合办公处理、数据分析和行业应用探索。

HUAWEI FreeBuds 6采用水滴造型与半开放佩戴设计，搭载超感知原声双单元，支持高规格无线音频、头部跟踪空间音频、通话降噪和多项鸿蒙设备协同功能，适合重视舒适聆听、通话清晰度与华为设备联动的用户。

华为智慧屏 MateTV 2面向家庭观影、游戏、办公与全屋智能控制，配备华为黑钻屏、麒麟9系芯片和HarmonyOS 7。3D观影、投屏、空间音频及交互功能均有对应机型、内容、设备或系统条件，选购时需结合尺寸、版本与使用环境判断。

华为 AI 眼镜是一款结合第一视角拍摄、语音助手与开放式音频的智能眼镜，适合记录运动、City Walk、通勤和日常问答。其轻量设计、IP54 防尘抗水、综合续航及鸿蒙协同能力，决定了佩戴舒适度、拍摄方式和可用功能范围。

VITURE XR智能眼镜以可穿戴显示为核心，面向掌机游戏、移动观影和便携办公等场景。产品线覆盖基础、专业及旗舰定位，并提供多屏、空间显示、音频和配件生态；选购时应结合连接设备、显示需求、佩戴方式与具体功能条件判断。

Text To Speech 是一个基于 Amphion TTS 预训练 VITS 模型的音频应用，支持将输入文本生成语音，并通过两位目标说话人的音频与融合程度设置，探索不同的混合音色效果。

WaveGRU Text To Speech 是一个归入 AI 音频类别的文本转语音应用，公开项目包含用于构建 WaveGRU 模块的代码与界面标签信息，适合用于了解文本生成语音的应用结构及相关构建流程。

Speech To Text Whisper 是一个面向音频转写的公开应用，界面包含音频输入组件，适合将语音内容整理为文字，并作为会议记录、访谈整理或音频内容初步处理的起点。

Text To Speech 是一款 AI 音频应用，围绕文字转语音提供文本输入、声音选择、音频播放与文件下载等界面功能，适合将文字内容整理为可听的语音素材。

TTS Text To Speech 是一款基于 Gradio 界面的 AI 音频应用，围绕 Edge TTS 提供文本转语音流程，并设置语音选择、语速百分比和音高赫兹等调整项，适合将文字整理为可播放的语音内容。

XREAL One Pro 是一款面向移动观影、游戏和空间显示的智能眼镜，采用 X1 空间芯片、57°视场角 X Prism 光学方案、0.55 英寸 Sony Micro-OLED 显示屏，并配备 Sound by Bose 音频。其支持最高 120Hz 刷新率、原生 3DoF 空间锚定和三档电致变色。

Rokid AI Glasses Style 是一款无显示屏智能眼镜，结合开放式音频、语音交互、第一视角拍摄和可配处方镜片设计，适合需要免手操作、通话记录与日常佩戴的人群。

LongCat-Video-Avatar 1.5 是一款面向人像视频生成的应用。用户上传参考图像、驱动音频并补充简短文字提示，可生成约5秒、与音频口型同步的视频，适合快速制作有声人像片段。

Sindhi TTS 是一款面向信德语文本转语音的 AI 音频应用。用户输入信德语文字后，可生成对应语音并直接聆听，适合快速处理较短的朗读内容。

Lojban text-to-speech 是一款面向 Lojban 语言的文本转语音应用，可将输入文本转换为音频，并提供国际音标结果。用户还可以调整噪声尺度、噪声尺度 W 与语速相关参数，用于探索不同语音输出效果。

XTTS 是一款面向多语言语音合成的应用，可根据文本、输出语言和参考音频生成语音。用户可以上传录音或使用麦克风提供参考，并调整生成数量、温度和随机种子，以探索不同的合成结果。

Uyghur TTS Text To Speech 是一款面向维吾尔语文本转语音的演示应用，可输入文字并选择语音合成模型，生成对应的语音音频，用于体验维吾尔语语音合成流程。

Sindhi Speech To Text 是一款面向信德语语音转写的应用，可上传音频或视频文件，也支持通过麦克风录音，为访谈、录音整理和视频内容提取文字提供基础处理方式。

HUAWEI FreeBuds Neo 是一款面向通勤、影音、游戏与日常通话的真无线耳机，主打轻量佩戴、全场景智感降噪、空间音频、低时延和多项智慧交互。选购时应结合手机系统、使用环境、佩戴习惯及对续航和防护的需求判断。

Video SoundFX 是一款面向视频内容的 AI 应用，围绕视频画面与场景描述生成相匹配的声音效果。用户可提供视频和场景文字，并选择模型后获取音频输出，适合为视频制作补充环境声或动作音效。