音频生成类 AI 服务列表

利用AI生成旁白、语音导览等音频内容的工具共收录 31 款 AI 服务。

スーノ

Suno

Suno 只需输入文字，就能生成包含人声、歌词与伴奏的完整曲目（当前模型 v5.5）。支持中文与日文演唱，约一分钟即可完成一首，并具备分轨分离与 DAW 式的 Suno Studio。价格以美元而非本币计：免费方案每日 10 首，Pro 每月 10 美元（年付 8 美元），Premier 每月 30 美元（年付 24 美元），商用需付费方案。另需注意，自 2026 年 9 月 3 日起将设置每月下载上限——免费方案不可下载，Pro 每月 20 首，Premier 每月 60 首。

# 音楽生成# 音声生成# 品質向上・クリエイティブ支援# エンタメ／ゲーム・遊び# 日本語対応

ヘイジェン

HeyGen

可从文本/脚本在数分钟内生成逼真 AI 虚拟形象说话视频的 AI 视频平台。具备从照片生成的 Photo Avatar 与 Digital Twin、175 多语言带唇形同步的翻译、Video Agent 与 API。已被 10 万家以上企业使用。有免费；Creator $29 起。

# 動画生成# 音声生成# AIチャットボット# AIエージェント

エークール

AKOOL

AKOOL 由美国 AKOOL Inc. 提供，是一款把 AI 数字人、视频翻译、换脸汇于一体、面向企业的生成式 AI 视频平台。以可实时对话的流媒体数字人为招牌，能横跨处理 155 种以上语言的唇形同步视频翻译、换脸与语音合成。支持多语言界面。价格为积分制：Free／Starter $12／Pro $30／Pro Max $59／Business $249（商用使用需 Business 及以上）。

# バーチャルヒューマン# 顔認証・画像解析# 音声生成# 日本語対応

オーディオリード

Audioread

一款把文章、PDF、邮件、RSS 订阅等文本转成自然 AI 语音、可当作"你的私人播客"来听的英国 TTS 服务（旧名 Audioblogs）。它把音频做成私人播客订阅源，让你在 Apple Podcasts、Spotify 等常用应用里收听。支持 150 多种语言、约 1,000 种声音。免费～Pro $9.99/月。

# 音声生成# 要約・翻訳

ラスク エーアイ

Rask AI

将视频与音频自动翻译并配音（Dubbing）成 130 多种语言的 AI 本地化平台。具备自然的 AI 语音、声音克隆（32 种语言）、多说话人检测、口型同步与字幕编辑，可让现有视频原样走向全球。

# 要約・翻訳# 動画生成# 音声生成# 音声合成・文字起こし# 品質向上・クリエイティブ支援# 日本語対応

スカイワーク

Skywork

Skywork 是一款配备深度研究能力的一体化 AI 智能体。从一条指令出发，就能生成网站、幻灯片、文档、电子表格、海报、视频、播客等多种成果物。智能体 SkyClaw 会灵活切换使用 Claude、ChatGPT、Gemini 等模型来进行调查、思考、编辑，并支持通过定时任务和 IM 联动实现自动执行。免费即可每天获赠额度（官方标示为 800），此后按额度计费。

# AIエージェント# 動画生成# プレゼン・スライド生成# 音声生成# テキスト生成# コード生成

リリックス・トゥー・ソング・エーアイ

Lyrics To Song AI

从你自己的歌词或文本提示，生成带人声、乐器与曲式结构的完整歌曲的在线 AI 音乐生成器（原 MeloCool Music）。可选择流派/情绪/节奏，并导出为 MP3/WAV/MIDI 或分离的音轨。提供免费方案。

# 音楽生成# 音声生成# エンタメ／ゲーム・遊び# 品質向上・クリエイティブ支援

アズミ

Asmi

以语音为先、可通过 iMessage、WhatsApp 与电话联系的 AI 私人助理。它每天早晨打电话向你领取任务，然后代你处理现实世界的杂事——打电话、发短信、发邮件给服务方（预约牙医、取消健身房、申诉扣款），并一路追到办成为止。由 Humint Labs, Inc. 提供，支持 50+ 语言。

# AIエージェント# 音声生成# 音声認識・音声合成# ボイスボット# 自動化・省力化# 業務効率化

サウンドバース

Soundverse AI

从提示生成歌曲、音乐视频与人声/声音的 AI 创作工作室。由推理型 AI 制作人「Agent One」与助手「Saar」执导，还能进行分轨、延长、混音与歌词生成。可用真实艺人的「Artist DNA」作曲，并支持免版税/商用（视方案）。

# 音楽生成# 音声生成# 品質向上・クリエイティブ支援

ソラ

Sora

【已停止提供】OpenAI 的视频生成 AI，曾能从文本或图像生成带音频的视频。OpenAI 已于 2026 年 3 月宣布停止提供，应用/网页版于 2026 年 4 月 26 日关停（API 计划于 2026 年 9 月 24 日结束）。数据导出请遵循官方指引。视频生成的替代方案包括 Kling/Hailuo/Veo/Pika 等。

# 動画生成# 音声生成# 品質向上・クリエイティブ支援

コエフォント

CoeFont

拥有超过 10,000 种 AI 语音的文本朗读（TTS）与语音合成服务。约 50 句录音即可注册你自己的声音，并支持变声器与面向企业的实时 AI 口译。

# 音声生成# 音声認識・音声合成# エンタメ／ゲーム・遊び# 日本語対応

キャプションズ

Captions

一款用自研基础模型"Mirage"、以 AI 数字人（AI 演员）从视频生成到编辑一体完成的 AI 视频应用。运营方为纽约的 NOCAP, Inc.（2025 年从"Captions"更名为母品牌"Mirage"）。无需拍摄即可用 AI 数字人做视频，并通过对话指令自动加入剪辑、B-roll、音乐与字幕。翻译支持 100 多种语言；用户超 2,000 万。价格为免费～按积分计费。

# 動画生成# 音声生成# AIチャットボット# AIエージェント# 字幕生成

イージーピージーエーアイ

Easy-Peasy.AI

以一个订阅即可使用 40 多种 AI 模型（Claude/GPT/Gemini 等），涵盖文字、图像、视频、音频与 AI 智能体的一体化 AI 平台。配有 300 多个模板与品牌语气，可在一处完成广泛的内容创作。

# テキスト生成# 画像生成# 音声生成# 要約・翻訳# 日本語対応

イレブンラボ

ElevenLabs

以支持 70 多种语言的高质量 AI 语音生成与声音克隆为核心，并延伸到配音、语音识别（Scribe）、音效、音乐生成与对话式 AI 智能体的 AI 音频平台。模型含 Eleven v3。有免费／付费月 $6 起。

# 音声生成# 音声認識・音声合成# 日本語対応

ヘドラ

Hedra

美国 Hedra 的多模态 AI，能从单张人物图像和音频生成"会说话、会唱歌的角色视频"。当前主力模型为 Hedra Omnia（可对镜头与全身进行全场景控制）与 Hedra Avatar（最长 5 分钟的长时长），并已扩展为整合图像、视频、音频生成及聚合第三方模型的平台。提供免费额度，按积分计费。

# 画像生成# 動画生成# 音声生成# バーチャルヒューマン

スカイリールズ

SkyReels

Skywork AI（昆仑万维／Kunlun Tech）的 AI 视频生成平台。从文本、图像或参考媒体，生成画面与声音同步的电影感短片（现行商用模型 SkyReels V4 约 5〜15 秒・720p〜1080p）。出身于短剧制作，支持 Omni Reference・Talking Avatar・API。※「无限长／Diffusion Forcing」是开源研究模型 SkyReels-V2 的特性，并非商用 Web 版的功能。

# 動画生成# 音声生成# バーチャルヒューマン# デザイン生成# 品質向上・クリエイティブ支援

ユエ エーアイ

Yue AI

Yue AI 指的是开源 AI 音乐生成模型“YuE”（Apache 2.0，由 HKUST/M-A-P 等公开），可从歌词生成含人声与伴奏的完整歌曲，并以英、中、日、韩等多语言演唱。可从 GitHub/Hugging Face 自托管，且允许商用。注意：本页 URL（yueai.ai）是在线提供该模型的第三方站点，与官方 YuE 的 GitHub 项目不同，其“免费”服务并未公开价格。

# 音楽生成# 音声生成

ミュレカ

Mureka

Mureka 是由昆仑万维（Kunlun Tech，中国／深交所创业板上市）推出的 AI 音乐生成平台。输入歌词、风格提示或参考曲目，最新的 V9.5 模型即可生成完整曲目。它并不止步于生成：还提供时间轴编辑、最多 12 条分轨分离、混音改编，以及由曲目生成音乐视频，Mureka Co 更可用自然语言操控 DAW。界面提供中文等多语言。免费方案每日 4 首（不可下载、不可商用），付费从 Pro 年付每月 8 美元起，仅以美元计价。订阅有效期间，连订阅前创作的曲目也附带商用权，且可随时取消。全球付费用户已超过 20 万（截至 2026 年 8 月）。

# 音楽生成# 音声生成# エンタメ／ゲーム・遊び# 品質向上・クリエイティブ支援

ヒッグスフィールド

Higgsfield

可通过单一订阅横跨使用 Sora 2、Veo 3.1、Kling 3.0 等 15 种以上视频生成模型及最新图像生成模型的电影级 AI 视频・图像生成平台。擅长电影般的运镜表现，用户数超过 2,500 万人，估值已达 13 亿美元，是当下势头最猛的 AI 视频初创企业之一。

# 動画生成# 画像生成# 音声生成# 品質向上・クリエイティブ支援

エーアイ ツールボックス

AI Toolbox

一套可在浏览器中免费处理视频、图片和音频的 AI／在线工具集。无需上传，文件直接在浏览器内处理，注重隐私保护。从视频分割到各类图片、音频工具一应俱全，创作者、营销人员、网页制作者乃至普通用户都能轻松使用。支持日语页面。

# 動画生成# 画像生成# 音声生成# 業務効率化# 日本語対応

アイヴァ

AIVA

AIVA（艾娃）是一款可用 250 多种风格在数秒内生成原创曲目的 AI 作曲助手。生成的曲目可按旋律、和弦、贝斯等音轨逐一编辑，并支持创建独有风格模型，以及将音频、MIDI 作为 influence 导入。可导出为 MP3/MIDI（Pro 支持包含 WAV 在内的全部格式），在 Pro 方案中还能完全拥有所创作曲目的版权并不受限制地进行商业变现。它由自 2016 年延续至今的 Aiva Technologies（卢森堡）提供，价格为 Free €0/Standard €11/Pro €33（月费・年付）。

# 音楽生成# 音声生成# エンタメ／ゲーム・遊び

ボイスモッド

Voicemod

一款能把你说话的声音实时变换为另一种声音的变声器＋音效板应用。具备 200 种以上声音、AI 声音与 Voicelab（自制声音），可将变换后的声音直接输入 Discord、OBS 及各类游戏语音聊天。支持 Windows/Mac/移动端。有免费方案，Pro 分月付、年付与买断（Lifetime）。

# 音声生成# 音声認識・音声合成# エンタメ／ゲーム・遊び# 日本語対応

ディーアイディー

D-ID

从照片或文本生成会说话的 AI 虚拟形象视频，并提供可接入任意 LLM、实时对话的对话式 AI 智能体的数字人平台。具备 Creative Reality Studio、Visual AI Agents、视频翻译与 API，支持 120 多种语言。有免费试用／Studio Lite $4.7 起。

# 動画生成# 音声生成# AIチャットボット# AIエージェント# バーチャルヒューマン

ミュージックエフエックス

MusicFX

MusicFX 是 Google 推出的文本生成音乐 AI 工具。如今已发展为后继产品 Google Flow Music（flowmusic.app），成为一个可在同一个地方完成多项工作的音乐制作平台：用最新音乐模型 Lyria 3.5 生成含人声的完整乐曲、用 Veo 制作音乐视频、进行混音与分轨，以及乐曲的发布与分享。它支持中文提示词，可免费开始使用并每日发放额度（无需信用卡）。

# 音楽生成# 音声生成# 日本語対応

ブーミー

boomy

Boomy 是一个即使没有音乐制作经验也能用 AI 生成原创曲目的生成式音乐平台（由美国 Boomy Corporation 提供）。只需选择流派或氛围，AI 便会在几十秒内谱曲，通过简单编辑即可完成。可用免费方案创作，付费方案（CREATOR 月费 $9.99／PRO 月费 $29.99）则支持 WAV 下载、完整商用以及分发到 Spotify 等 DSP。迄今累计已生成超过 2,200 万首曲目。

# 音楽生成# 音声生成

ノートブックエルエム

NotebookLM（現Gemini Notebook）

NotebookLM（现已改名为「Gemini Notebook」）是一款只依据你上传的资料、附引用作答的 Google 出品 AI 研究与思考伙伴。它可将 PDF、网站、YouTube 视频、音频、Google 文档等作为来源，由最新的 Gemini 模型进行摘要、问答与资料制作。由于把回答的依据限定在来源之内，既能抑制看似可信的错误，又能快速把握资料，还能生成音频概览（播客风格的对话音频）。免费即可使用，并以包含在 Google AI 的 Plus/Pro/Ultra 中的形式提升上限与可用模型（提供地区有限）。

# 要約・翻訳# 検索・レコメンド# 音声生成# 日本語対応

ボイスエーアイ

Voice AI

Voice.ai 由 Voice AI Inc. 提供，是一款以“可从数千种音色实时变声的 AI 变声器”为核心的语音平台。桌面端变声器免费，适用于游戏直播、直播与在线会议。并扩展到 Voice Universe（4,000+ 音色）、声音克隆、TTS（15 种以上语言）、AI 语音智能体与开发者 API。价格为积分制：Free／Starter $5／Launch $12 起。

# 音声生成# バーチャルヒューマン# 音声認識・音声合成

アナキンエーアイ

Anakin AI

将多种 AI 模型的聊天、1,000 多个现成 AI 应用与无代码 AI 应用/工作流构建器集于一体的一体化 AI 平台。从 GPT/Claude/Gemini 的文字到图像·视频·语音生成，以及自动化与智能体，均可低成本使用。

# テキスト生成# 画像生成# 音声生成# 動画生成# AIエージェント# 日本語対応

ロバート

Lovart

Lovart 是“全球首个 AI 设计智能体”，可从一句话生成 Logo、海报、包装乃至广告与视频。它在无限画布上串联多个最新图像/视频模型（Nano Banana、GPT Image、Flux、Veo、Sora 等），将从策划到整套设计自动推进。具备 Brand Kit 与 PSD 导出，并有日语界面。积分制价格：Starter 月 ¥2,945 起／Basic／Pro／Ultimate（可免费试用）。

# デザイン生成# 画像生成# 動画生成# 音声生成# 音楽生成# アイデア支援／創造ツール# 品質向上・クリエイティブ支援# AIエージェント

ジェイソン・トゥー・ビデオ

json2video

用 JSON 描述结构并发送给 API 即可获得 MP4 的视频生成 API。借助模板与变量批量产出同一形态的视频，场景编排、旁白（100 种以上语言）与字幕均在同一条流水线中完成。支持 Make.com／n8n／Zapier／MCP 联动。免费额度 600 积分，付费自月 $16.95 起。

# 動画生成# 音声生成# 字幕生成# プレゼン・スライド生成

ボイスボックス

VOICEVOX

VOICEVOX是由Hiho（广芝和之）开发的免费文本朗读·歌声合成软件。只要标注来源，即可免费将「ずんだもん(Zundamon)」「四国めたん(Shikoku Metan)」等46个角色的声音用于商用或非商用（条款因角色而异）。支持Windows／Mac／Linux的开源软件，是日语解说视频旁白的经典之选。

# 音声生成# 音声認識・音声合成# エンタメ／ゲーム・遊び# 日本語対応

音频生成相关推荐文章

【2026年版】视频创作者专属AI工具17款｜自动剪辑、字幕、配音、BGM、社媒短视频全覆盖

用AI提升视频创作者工作效率！精选介绍支持剪辑、字幕、配音、BGM、虚拟出镜等各环节的最新工具【2026年版】

【2026年版】加速社交媒体运营的14款AI工具｜涵盖内容创作、短视频、虚拟形象、语音转换

批量生产社媒内容、自动生成短视频、虚拟人出镜、语音转换——深度解析解决社媒运营痛点的14款AI工具。掌握工作流集成步骤与实用技巧，同步提升互动率与运营效率。

【2026年版】8款AI工具助力高效自我提升｜学习摘要、语音化、外语对话，碎片时间最大化利用

按目的分类详解8款可用于资料摘要、播客生成、英语会话训练的AI工具。为繁忙人士提供不中断学习的最优方案。

【2026年版】加速经营者决策的10款AI工具｜中期经营计划、投资判断、学习提效、资料制作

【2026年最新版】快速完成中期经营计划草稿、投资判断报告、学习提效及演示文稿制作。深度解析9款辅助经营者决策的AI工具，涵盖功能、优势、选型要点及导入案例。

【2026年版】插画师专属AI工具精选11款｜自动生成、上色、风格转换、BGM制作全覆盖

精选介绍支持草稿制作、上色、风格转换、BGM制作的AI工具。涵盖提示词生成、画风转换等激发创作者创造力的最新工具【2026年最新版】

【2026年版】网页设计师必看！12款AI效率工具｜无代码建站、Banner制作、文案生成一网打尽

精选介绍提升网页设计师工作效率的AI工具。涵盖无代码建站、图标素材制作、Banner自动生成、A/B测试文案生成等与实际业务紧密结合的最新工具。