ابزارهای صوت

الون‌لبز

ElevenLabs

رایگان

بهترین کیفیت متن‌به‌گفتار و دوبله بازار — عالی ولی گران؛ برای کار حجیم مسیر Google AI Studio / OpenAI.fm + Descript ارزان‌تر است.

کلینگ

Kling AI

رایگان

ابزار ویدئوی هوش مصنوعی کوایشو با Kling 3.0 و 3.0 Omni: متن یا عکس را به کلیپ تا ۱۵ ثانیه‌ای با صدای همزمان تبدیل می‌کند؛ Omni کاراکتر را از روی ویدئوی مرجع با همان چهره و صدا در صحنه‌های تازه نگه می‌دارد.

گوگل فلو

Google Flow

رایگان

استودیوی فیلم‌سازی هوش مصنوعی گوگل با Gemini Omni 1.1 و Veo 3.1: از متن، عکس یا فریم اول و آخر ویدئو بسازید و ویدئوی خودتان را با پرامپت ویرایش کنید — روزانه ۵۰ اعتبار رایگان.

ویسپر

OpenAI Whisper

رایگان

مدل متن‌باز تشخیص گفتار OpenAI؛ استاندارد عملی پیاده‌سازی صوت به متن که فارسی را هم خوب می‌فهمد و رایگان روی سیستم خودتان اجرا می‌شود.

سونو

Suno AI

رایگان

معروف‌ترین ابزار ساخت آهنگ کامل با هوش مصنوعی؛ از روی یک توضیح متنی یا شعر، آهنگ کامل با خواننده، ملودی و تنظیم تحویل می‌دهد.

گوگل ای‌آی استودیو

Google AI Studio

رایگان

محیط رایگان گوگل با Gemini: تست پرامپت، API — و یکی از بهترین مسیرهای متن‌به‌گفتار رایگان با کمترین محدودیت (Gemini 3.8 Flash TTS).

کپ‌کات

CapCut

رایگان

محبوب‌ترین ویرایشگر ویدیوی رایگان برای موبایل و دسکتاپ؛ با زیرنویس خودکار، حذف پس‌زمینه و هزاران قالب آماده برای ریلز و تیک‌تاک.

جمنای نوت‌بوک

Gemini Notebook (NotebookLM)

رایگان

دستیار پژوهش گوگل با تبدیل گفتار به متن روی منابع صوتی/ویدئویی شما: آپلود کنید، رونویسی و خلاصه فارسی بگیرید + پادکست Audio Overview.

سینتزیا

Synthesia

رایگان

استاندارد صنعت برای ساخت ویدیوهای آموزشی و سازمانی با آواتار سخنگو؛ متن را می‌نویسید و آواتار آن را به بیش از ۱۴۰ زبان — از جمله فارسی — اجرا می‌کند.

هایلو

Hailuo AI

رایگان

سرویس ویدئوساز MiniMax با مدل جدید MiniMax H3 (معروف به Hailuo 3): کلیپ ۵ تا ۱۵ ثانیه با صدای استریو و وضوح تا 2K، ساخت از متن و عکس و ویدئو و ویرایش دقیق ویدئو با دستور متنی.

دیسکریپت

Descript

رایگان

جایگزین هوش‌مصنوعی‌محور پریمیر برای دوبله/نریشن: هم‌گذاری ویدئو، زیرنویس و صوت TTS، ویرایش متنی تایم‌لاین و Studio Sound.

هدرا

Hedra

رایگان

ساخت کاراکتر و آواتار سخنگو از یک عکس و فایل صدا با مدل‌های اختصاصی Hedra Avatar و Character-3 (تا ۱۰ دقیقه، تا ۱۰۸۰p)؛ حالا یک استودیوی ایجنت‌محور هم هست که ده‌ها مدل ویدئو، تصویر و صدا را یک‌جا می‌دهد.

لوما دریم ماشین

Luma Dream Machine

دریم ماشینِ Luma Labs با مدل‌های سری Ray ویدیوهای سینمایی روان می‌سازد؛ اولین مدل ویدیویی با خروجی HDR واقعی و ابزارهای ویرایش مثل Modify و Reframe.

الون‌ریدر

ElevenReader

رایگان

اپ کتاب‌خوان صوتی الون‌لبز: PDF، کتاب EPUB، فایل Word یا لینک مقاله را می‌دهید و با صدایی خیلی طبیعی برایتان بلند می‌خواند؛ ۱۰ ساعت رایگان در ماه — ولی فارسی را نمی‌خواند.

مینی‌مکس صدا

MiniMax Audio

رایگان

بخش صدا و موسیقی MiniMax (minimax.io/audio): تبدیل متن به گفتار طبیعی با Speech 2.8 در ۴۰ زبان از جمله فارسی، طراحی صدا از روی توصیف، کلون از نمونهٔ کوتاه، جداسازی صدا و ساخت آهنگ کامل با Music 3.0.

اوپن‌ای‌آی اف‌ام

OpenAI.fm

رایگان

پلی‌گراند رایگان و رسمی OpenAI برای متن‌به‌گفتار (GPT-4o mini TTS): بدون ثبت‌نام سنگین، انتخاب صدا و «vibe»، دانلود MP3 — محدودیت بسیار کم برای تست و نریشن کوتاه.

کپشنز

Captions

رایگان

استودیوی AI برای ویدیوهای گفتاری شبکه‌های اجتماعی؛ زیرنویس متحرک خودکار، ادیت هوشمند، دوبله ۳۰+ زبانه و آواتار دیجیتال در یک اپ.

آفونیک

Auphonic

رایگان

مهندس صدای خودکار برای پادکست، کتاب صوتی و ویدئو: بلندی صدا را یکسان و مطابق استاندارد می‌کند، نویز و اکو را می‌گیرد، سکوت و کلمات پرکننده را می‌بُرد و ترنسکریپت و زیرنویس می‌سازد.

ایس استپ ۱.۵ (آفلاین)

ACE-Step 1.5 (offline)

رایگان

مدل ساخت آهنگ متن‌باز ACE Studio و StepFun با مجوز MIT؛ آهنگ کامل با کلام و ساز تا ۱۰ دقیقه را با کارت گرافیک حدود ۴ گیگابایتی می‌سازد و فارسی هم در فهرست زبان‌هایش هست.

اسپیچ‌ماتیکس

Speechmatics

رایگان

موتور حرفه‌ای تبدیل گفتار به متن (STT) با پشتیبانی فارسی، حالت realtime/batch و API — مناسب زیرنویس، جلسه و محصول سازمانی.

لالال

Lalal.ai

رایگان

شناخته‌شده‌ترین ابزار جداسازی وکال و ساز (Stem Separation)؛ آهنگ را آپلود می‌کنید و وکال، درام، بیس، پیانو و بقیهٔ سازها را جدا تحویل می‌گیرید.

توربوسکرایب

TurboScribe

رایگان

تبدیل گفتار به متن و زیرنویس با Timestamp دقیق (SRT/VTT)؛ ستون فقرات پایپ‌لاین دوبله ارزان — استخراج متن ویدئو قبل از ترجمه و TTS.

پیکا

Pika

رایگان

پیکا (Pika Art) ابزار خوش‌قیمت و سرگرم‌کننده تولید ویدیو با مدل Pika 2.5؛ افکت‌های وایرال Pikaffects و ابزارهای دستکاری ویدیوی واقعی مثل Pikadditions و Pikaswaps.

اوداسیتی

Audacity

رایگان

ویرایشگر و ضبط‌کنندهٔ صدای رایگان و متن‌باز برای ویندوز، مک و لینوکس: ضبط، برش، میکس چندترکه، حذف نویز، یکسان‌کردن بلندی صدا و خروجی MP3، WAV و FLAC، بدون حساب کاربری. ابزارهای هوش مصنوعی آفلاین (Whisper، جداسازی وکال، حذف نویز) با افزونهٔ رایگان اینتل می‌آیند که فعلاً فقط با نسخهٔ 3.7 کار می‌کند.

اومنی‌ویس (آفلاین)

OmniVoice (offline)

رایگان

مدل تبدیل متن به گفتار تیم k2-fsa با پشتیبانی رسمی فارسی: کلون صدا از یک نمونهٔ کوتاه، ساخت صدای تازه با توصیف جنسیت، سن و لهجه، و ۶۴۶ زبان. فایلش ۲٫۴۵ گیگابایت است و روی کارت ۴ گیگابایتی آزموده شده. خطای حروف گفتار فارسی‌اش ۱٫۹۰٪ است در برابر ۱٫۵۷٪ صدای واقعی؛ وزن‌ها فقط برای کار غیرتجاری آزادند.

ران‌وی

Runway

رایگان

پیشگام تولید ویدئو با هوش مصنوعی؛ تبدیل متن و تصویر به ویدئوی سینمایی، به‌همراه مجموعه کامل ابزارهای ویرایش.

ساب‌تایتل ادیت

Subtitle Edit

رایگان

ویرایشگر رایگان و متن‌باز زیرنویس با تبدیل صوت به متن آفلاین: از منوی Video → Speech to text یکی از موتورهای Whisper را انتخاب کنید.

ادوبی پادکست

Adobe Podcast

رایگان

ابزار صوتی تحت وب ادوبی: Enhance Speech با یک کلیک نویز، اکو و موسیقی زمینه را از گفتار حذف می‌کند و Studio ضبط از راه دور، ترنسکریپت، ویرایش صدا و ویدئو با متن و زیرنویس دارد.

فلیکی

Fliki AI

رایگان

تبدیل متن به ویدیو با صدای گوینده مصنوعی در ۸۰+ زبان از جمله فارسی؛ برای ویدیوهای یوتیوب، آموزشی و شبکه‌های اجتماعی.

پیکتوری

Pictory AI

تبدیل مقاله و اسکریپت به ویدیو با فوتیج استاک؛ مخصوص بلاگرها و بازاریاب‌هایی که می‌خواهند بدون مهارت ادیت از متن ویدیو بسازند.

اسپیچیفای

Speechify

رایگان

اپ محبوب «بخوان برایم»: مقاله، PDF، ایمیل و کتاب را با صدای طبیعی و حتی صدای سلبریتی‌ها برایتان می‌خواند.

لیوداب

livdub

رایگان

افزونهٔ کروم و اپ اندروید برای دوبلهٔ زندهٔ صدا و ویدئوی در حال پخش به زبان دلخواه (از جمله فارسی) با کلید رایگان Gemini — بدون اکانت لیوداب.

ای‌آی دابینگ

AI Dubbing

رایگان

افزونهٔ رایگان کروم که صدای ویدئوی در حال پخش را زنده به فارسی یا هر کدام از ۷۹ زبان دوبله می‌کند و ترجمه را هم‌زمان به‌صورت زیرنویس زیر ویدئو نشان می‌دهد؛ روی یوتیوب و هر سایتی که در تب کروم صدا پخش کند، با کلید Gemini خودتان و بدون ثبت‌نام.

نقطه

Noqte

رایگان

پلتفرم ایرانی هوش مصنوعی با چهار فضای کاری — عمومی، تولید محتوا، برنامه‌نویسی و مالی — که Claude و GPT را کنار ده‌ها مدل عکس، ویدیو، موسیقی و سه‌بعدی، با پرداخت ریالی در یک حساب می‌دهد.

ویدو

Vidu

رایگان

مدل ویدیویی شرکت چینی شنگ‌شو با قابلیت متمایز reference-to-video برای ثابت نگه داشتن شخصیت‌ها؛ در سبک انیمه و انیمیشن به‌خصوص قوی است.

ویس‌استودیو

VoiceStudio

رایگان

استودیوی صدای رایگان، متن‌باز و کاملاً آفلاین (نام قبلی OmniVoice Studio): کلون صدا از چند ثانیه نمونه، ساخت صدای جدید با توصیف، دوبلهٔ ویدئو و تبدیل گفتار به متن در ۶۴۶ زبان — از جمله فارسی — روی کامپیوتر خودتان.

ووزو

Vozo

رایگان

ترجمه و دوبلهٔ ویدئو با حفظ صدای گوینده: ویدئو را آپلود می‌کنید، گفتار ترجمه و دوبله می‌شود، لب‌ها با صدای تازه هماهنگ می‌شوند و زیرنویس و متن‌های روی تصویر هم ترجمه می‌شوند.

Buzz

Buzz

رایگان

برنامهٔ دسکتاپ رایگان و متن‌باز برای تبدیل گفتار به متن و ساخت زیرنویس SRT و VTT بدون اینترنت با Whisper؛ گفتار فارسی را هم متن می‌کند. ویندوز، مک و لینوکس.

هندی (تایپ صوتی آفلاین)

Handy (offline dictation)

رایگان

برنامهٔ رایگان و متن‌باز (MIT) برای تایپ با صدا بدون اینترنت: کلید میان‌بر را می‌زنید، حرف می‌زنید و متن در همان برنامه‌ای که باز است تایپ می‌شود. گفتار با Whisper یا Parakeet روی خود کامپیوتر به متن تبدیل می‌شود. ویندوز، مک و لینوکس.

پیکس‌ورس

PixVerse

رایگان

ساخت ویدئوی کوتاه با مدل PixVerse V6 (تا ۱۵ ثانیه، ۱۰۸۰p، با صدا و دیالوگ): متن یا عکس می‌دهید و حتی می‌توانید از عکس خودتان ویدئوی سخنگو بسازید؛ روزانه ۳۰ اعتبار رایگان.

ویس‌مود

VoiceMod

رایگان

تغییر صدای زنده (Real-time) برای گیم و استریم؛ صدای شما را همان لحظه در دیسکورد، بازی‌ها و تماس‌ها عوض می‌کند.

این‌ویدیو

InVideo

رایگان

سازنده ویدیوهای بازاریابی از متن؛ پرامپت یا اسکریپت می‌دهید و ویدیوی کامل با فوتیج استاک، گوینده AI و زیرنویس تحویل می‌گیرید.

هوشا

Hoosha

رایگان

تجمیع‌کننده ایرانی مدل‌ها و ابزارهای هوش مصنوعی در یک‌جا؛ اعتبار بدون انقضا می‌خرید و فقط به‌ازای مصرف کسر می‌شود — شبیه گپ‌جی‌پی‌تی ولی با تمرکز روی کیف پول اعتباری.

ویرا

Vira

رایگان

پلتفرم ایرانی با تأکید ویژه روی تبدیل گفتار به متن فارسی (آوانگار) + متن به گفتار (آواشو)، چت، تصویر و OCR — روی سرورهای ایرانی.

مورف

Murf AI

رایگان

استودیوی ساخت صدای گوینده با هوش مصنوعی؛ متن را تایپ می‌کنید و با صدها صدای طبیعی برای ویدئو، دورهٔ آموزشی و تبلیغ نریشن می‌گیرید.

ابسینث

EbSynth

رایگان

ابزار دسکتاپ استایل‌دهی ویدیو با کی‌فریم: یک فریم را نقاشی می‌کنید و ابسینث همان سبک را به کل ویدیو تعمیم می‌دهد.

نوا

Nova Sharif

رایگان

پلتفرم ایرانی تبدیل صوت به متن (نوا هوشمند شریف): گفتار فارسی به متن، متن به گفتار، تشخیص گوینده و API سازمانی.

کپشنو

Captiono

رایگان

اپ ایرانی زیرنویس خودکار و ویرایش ویدئو با تمرکز روی فارسی و لهجه‌ها؛ خروجی MP4/SRT، ترجمه، حذف نویز و پرداخت ریالی برای اینستاگرام و یوتیوب.

لوو ای‌آی

LOVO.ai

موتور متن‌به‌گفتار Genny با صدها صدا و ۱۰۰+ زبان، به‌همراه کلون صدا، زیرنویس خودکار و ادیتور ویدئوی آنلاین — جایگزین میان‌رده برای ElevenLabs.

مینی‌مکس دیزاین

MiniMax Design

استودیوی خلاقیت دسکتاپ MiniMax: یک بریف می‌دهید و ایجنت‌ها فیلمنامه، تصویر، ویدئو با مدل H3، صداگذاری و موسیقی را روی یک بوم می‌سازند و تحویل می‌دهند — برای تبلیغ، فروشگاه اینترنتی و سریال کوتاه.

کلین‌ویس

Cleanvoice

ادیتور خودکار پادکست: کلمات پرکننده مثل um و uh، مکث‌های طولانی، تپق، صدای نفس و دهان و نویز پس‌زمینه را از فایل صوتی و ویدئویی حذف می‌کند و صدا را استودیویی می‌کند؛ ترنسکریپت و API هم دارد.

تربلو

Treblo

رایگان

سازندهٔ رایگان و نامحدود آهنگ با هوش مصنوعی (همان Sonauto سابق): ایده یا شعرتان را می‌دهید و حدود ۱۵ ثانیه بعد آهنگ کامل با خواننده و تنظیم پخش می‌شود.

لومن فایو

Lumen5

رایگان

تبدیل پست وبلاگ به ویدیوی برند برای بازاریابی محتوا؛ AI متن را صحنه‌بندی می‌کند و با رسانه استاک ویدیوی اجتماعی می‌سازد.

سواپ‌فیس

Swapface

رایگان

اپ دسکتاپ تعویض چهره هم‌زمان (Real-time) برای استریم و تماس تصویری؛ عکس و ویدیو را هم پوشش می‌دهد و همه‌چیز محلی روی سیستم شما پردازش می‌شود.

ویس‌باکس

Voicebox

رایگان

استودیوی صدای رایگان، متن‌باز و محلی برای کلون صدا، تبدیل متن به گفتار با ۷ موتور (مثل Qwen3-TTS و Kokoro) در ۲۳ زبان، تایپ صوتی با کلید میانبر و صدا دادن به ایجنت‌های هوش مصنوعی — فارسی را نمی‌خواند.

پایپر (آفلاین)

Piper (offline)

رایگان

موتور سبک و سریع تبدیل متن به گفتار که روی CPU و حتی رزبری‌پای کار می‌کند؛ پنج صدای رسمی فارسی دارد (amir، ganji، ganji_adabi، gyro و reza_ibrahim) و کاملاً آفلاین است.

مینی مکس موزیک ۳ (آفلاین)

MiniMax Music 3 (offline)

رایگان

مدل وزن‌باز آهنگ‌سازی مینی‌مکس (۱۳ اوت ۲۰۲۶): از متن ترانه و توصیف سبک، آهنگ کامل با خواننده تا ۵ دقیقه به‌صورت استریو می‌سازد. از نسخهٔ ۰٫۳۳ در ComfyUI داخلی است و بسته به فایل‌ها کارت ۱۲ تا ۲۴ گیگابایتی می‌خواهد. کار تجاری با نمایش نام «MiniMax-Music3» آزاد است؛ خواندن ترانهٔ فارسی معلوم نیست.

وی‌اِن

VN Video Editor

رایگان

ویرایشگر ویدیوی رایگان و بدون واترمارک برای موبایل و مک؛ تایم‌لاین چندلایه حرفه‌ای با چند ابزار AI سبک مثل زیرنویس خودکار و حذف پس‌زمینه.

دیپ‌فیس‌لب

DeepFaceLab

رایگان

معروف‌ترین فریم‌ورک متن‌باز ساخت دیپ‌فیک برای کاربران فنی؛ کاملاً رایگان اما نیازمند GPU قوی و ساعت‌ها آموزش مدل.

آیوا

AIVA

رایگان

آهنگساز هوش مصنوعی متخصص موسیقی ارکسترال، کلاسیک و سینمایی؛ برای موسیقی متن فیلم، بازی و تیزر طراحی شده است.

اسکای‌باکس

Skybox AI

رایگان

محیط‌های ۳۶۰ درجه و skybox بازی را از روی یک پرامپت متنی می‌سازد؛ با خروجی HDRI و مش سه‌بعدی آماده برای Unity و Unreal.

رندرفارست

Renderforest

رایگان

پلتفرم قالب‌محور برای ساخت ویدیو، لوگو، موکاپ و حتی وب‌سایت؛ مناسب اینترو، تیزر تبلیغاتی و هویت بصری سریع برای کسب‌وکارهای کوچک.

ساندراو

Soundraw

رایگان

سازندهٔ موسیقی بی‌کلام بدون حق امتیاز (royalty-free)؛ ژانر، حس و طول را انتخاب می‌کنید و بی‌نهایت قطعه برای ویدئو و پادکست می‌سازد.

گودتیپ

Good Tape

سرویس پیاده‌سازی (ترنسکرایب) صوت به متن برای روزنامه‌نگارها و پژوهشگرها؛ بیش از ۱۰۰ زبان از جمله فارسی را پشتیبانی می‌کند.

دی-آی‌دی استودیو

D-ID Studio

از پیشگامان فناوری «عکس سخنگو»: یک عکس پرتره و متن می‌دهید و ویدیوی سخنگو تحویل می‌گیرید؛ حالا روی ایجنت‌های آواتاری تعاملی هم تمرکز کرده است.

ریفیوژن (پرودیوسر ای‌آی)

Riffusion (ProducerAI)

رایگان

ابزار ساخت موسیقی که با نام ریفیوژن شروع شد، به ProducerAI تغییر نام داد و از فوریهٔ ۲۰۲۶ متعلق به گوگل است؛ ساخت آهنگ به‌صورت گفت‌وگویی با مدل Lyria 3.

وایزکات

Wisecut

رایگان

ادیتور خودکار برای ویدیوهای گفتاری؛ سکوت‌ها را می‌بُرد، جامپ‌کات و زوم می‌سازد و زیرنویس و موسیقی پس‌زمینه اضافه می‌کند.

ایکس‌ماینس

X-Minus Pro

رایگان

جداکنندهٔ آنلاین صدای خواننده از موسیقی با مدل‌های AI (مثل MDX و BS-Roformer)، کتابخانهٔ کارائوکه و تنظیم گام/تمپو.

ماینا

Mynaa

رایگان

پلتفرم ایرانی تولید و تقلید صدا که حالا عکس و ویدئو هم می‌سازد؛ متن یا فایل صوتی را با صدای دلخواه درمی‌آورد، بات بله دارد و ساخت صدای سفارشی را هم می‌توان سفارش داد.

دیپ‌برین

DeepBrain AI

رایگان

پلتفرم AI Studios برای تبدیل متن به ویدیو با آواتارهای فوق‌واقعی؛ رقیب ارزان‌تر Synthesia با تولید ویدیوی نامحدود در پلن Personal.

هپی‌شریمپ

HappyShrimp

رایگان

سازندهٔ آهنگ هوش مصنوعی علی‌بابا (快乐虾米، رقیب Suno): با یک جمله توضیح یا شعر خودتان آهنگ کامل با ملودی، تنظیم و خواننده — یا بی‌کلام — می‌سازد؛ نسخهٔ بتا با اعتبار رایگان روزانه.

میتیلی (متن و خلاصهٔ جلسه)

Meetily (meeting transcription)

رایگان

دستیار جلسهٔ رایگان و متن‌باز (MIT) که صدای میکروفون و صدای سیستم را ضبط می‌کند، همان لحظه با Whisper یا Parakeet متن می‌سازد و با یک مدل محلی در Ollama خلاصه می‌نویسد؛ همه روی کامپیوتر خودتان. ویندوز و مک، و لینوکس با ساختن از کد.

کوبولد سی‌پی‌پی

KoboldCpp

رایگان

یک فایل اجرایی بدون نصب که مدل‌های GGUF را با رابط داستان‌نویسی و نقش‌آفرینی KoboldAI Lite اجرا می‌کند؛ ساخت تصویر، ویدئو و موسیقی، گفتار به متن و متن به گفتار هم در همان برنامه است.

میکروتکت

Mikrotakt

رایگان

جدا کردن صدای خواننده از موسیقی به‌همراه میکس ساقه‌ها، تشخیص آکورد، تغییر گام/تمپو، پاک‌سازی صدا و مسترینگ AI.

تی‌تی‌اس میکر

TTSMaker

رایگان

تبدیل متن به گفتار رایگان با پشتیبانی از بیش از ۱۰۰ زبان از جمله فارسی؛ بدون ثبت‌نام و با اجازهٔ استفادهٔ تجاری از خروجی.

سینتسیس

Synthesys

رایگان

مجموعه آواتار و صداسازی که به یک «ایجنت ویدیویی» تبدیل شده و مدل‌های روز (Veo، Kling) را پشت یک رابط ساده هماهنگ می‌کند؛ ارزان اما نه باکیفیت‌ترین.

دریم‌فیس

DreamFace

رایگان

اپ محبوب موبایل و وب برای جان دادن به عکس‌ها: چهره را سخنگو یا آوازخوان می‌کند، صدا کلون می‌کند و حتی حیوان خانگی را به حرف می‌آورد.

مدیا آی‌او

Media.io

رایگان

مجموعه آنلاین واندرشیر برای تبدیل و ویرایش ویدیو، صدا و عکس؛ از مبدل فرمت و فشرده‌ساز تا زیرنویس خودکار، حذف نویز و آپ‌اسکیل با AI.

تیون‌بت

Tunebat

رایگان

مرجع پیدا کردن گام (Key) و BPM آهنگ‌ها به‌علاوهٔ ابزارهای هوش مصنوعی مسترینگ و حذف وکال؛ ابزار روزمرهٔ دی‌جی‌ها و تولیدکنندگان موسیقی.

آوانک

Avanak

رایگان

سامانه ایرانی پیام صوتی، تماس و اطلاع‌رسانی تلفنی؛ مناسب یادآوری، اطلاع‌رسانی انبوه و پشتیبانی صوتی کسب‌وکار.

کپزی

Capzy

رایگان

زیرنویس خودکار ویدئو در کمتر از یک دقیقه، با ترجمه به ۶۰ زبان و پشتیبانی خوب از فارسی؛ خروجی SRT و استایل‌های متنوع.

آواتاریفای

Avatarify

رایگان

اپ موبایلی که عکس ثابت را زنده می‌کند: عکس را انتخاب می‌کنید، آهنگ یا صدا می‌دهید و پرتره شروع به خواندن یا حرف‌زدن می‌کند.

انیمیکر

Animaker

رایگان

سازنده ویدیوهای انیمیشنی و توضیح‌دهنده (اکسپلینر) با قالب و شخصیت‌های کارتونی؛ به‌علاوه ابزار زیرنویس خودکار و ویس‌اور AI.

کایبر

Kaiber

استودیوی خلاق موزیک‌ویدیو و انیمیشن هنری؛ Beat Sync ویدیو را خودکار با ریتم موسیقی هماهنگ می‌کند.

گوگل ای‌آی اج گالری

Google AI Edge Gallery

رایگان

اپ رایگان و متن‌باز گوگل برای اندروید و آیفون که Gemma 4 را روی خود گوشی اجرا می‌کند: چت، پرسش دربارهٔ عکس، تبدیل صدا به متن و ترجمه، بعد از دانلود مدل کاملاً بدون اینترنت.

ویول

Wavel AI

رایگان

پلتفرم دوبله، زیرنویس و صداگذاری هوش مصنوعی برای ویدئو؛ از بیش از ۱۰۰ زبان شامل فارسی برای دوبله و زیرنویس پشتیبانی می‌کند.

وی‌میک

Vmake

رایگان

مجموعه ابزار AI برای ویدیو و عکس فروشگاهی؛ از ساخت ویدیوی UGC از عکس محصول تا افزایش کیفیت تا 8K، حذف واترمارک و زیرنویس خودکار.

دیزاینز ای‌آی

Designs.ai

رایگان

مجموعه چندکاره طراحی با هوش مصنوعی: لوگوساز، ویدئوساز، طراحی گرافیک و تبدیل متن به گفتار، همه زیر یک اشتراک.

مجنتا

Magenta

رایگان

پروژهٔ متن‌باز گوگل برای پژوهش موسیقی و هنر با یادگیری ماشین؛ مجموعه‌ای از کتابخانه‌ها، مدل‌ها و پلاگین‌ها برای توسعه‌دهنده‌ها و موزیسین‌های کنجکاو.

ایبو

Eboo

رایگان

تبدیل گفتار به متن و ساخت زیرنویس فارسی با پرداخت ریالی؛ گزینهٔ بومی کنار TurboScribe/Speechmatics برای تولیدکنندهٔ فارسی‌زبان.

ملودی‌ام‌ال

Melody ML

رایگان

جداکنندهٔ سادهٔ صدای خواننده از آهنگ روی مدل Demucs: وکال، درام، بیس و سازها؛ دو آهنگ رایگان بعد ۰٫۵۰ دلار هر قطعه.

زابتایتل

Zubtitle

رایگان

ابزار وب برای زیرنویس‌گذاری خودکار و تغییر سایز ویدیو برای شبکه‌های اجتماعی؛ با تیتر، پروگرس‌بار و قالب برند.

وسک

Vosk

رایگان

موتور متن‌باز گفتار به متن آفلاین؛ در Subtitle Edit از مسیر Audio to text (Vosk) بدون آپلود به ابر زیرنویس می‌سازد.

ویس ای‌آی

Voice.ai

رایگان

تغییردهنده‌ی صدای زنده با هوش مصنوعی: صدایتان را همان لحظه در دیسکورد، بازی و تماس به هزاران صدای دیگر تبدیل می‌کند؛ کلون صدا، تبدیل متن به گفتار، ایجنت تلفنی و چند ابزار صوتی آنلاین هم دارد.

فیک‌یو

FakeYou

رایگان

تبدیل متن به گفتار با صدای شخصیت‌های معروف کارتون و گیم به‌علاوهٔ تبدیل صدا به صدا؛ مخصوص سرگرمی و میم.

کوئن ۳ ای‌اس‌آر (آفلاین)

Qwen3-ASR (offline)

رایگان

مدل‌های متن‌باز تبدیل گفتار به متن Qwen (0.6B و 1.7B) با مجوز Apache-2.0 برای ۳۰ زبان؛ فارسی رسماً پشتیبانی می‌شود ولی دقتش پایین است (خطای کلمه حدود ۳۰٪).

اتوکپ

AutoCap

رایگان

اپ موبایل ساده برای زیرنویس خودکار ویدیوهای سلفی و اجتماعی؛ گفتار را متن می‌کند و کپشن متحرک می‌سازد، همراه با تلپرامپتر هوشمند.

جنمو

Genmo

رایگان

سازنده Mochi 1، بزرگ‌ترین مدل متن‌به‌ویدیوی متن‌باز (Apache 2.0)؛ در playground رایگان قابل تست است یا وزن‌ها را خودتان اجرا می‌کنید.

اسپیکاتو

Speakatoo

تبدیل متن به گفتار با ادعای بیش از ۱۳۰ زبان که فارسی هم بین آن‌هاست؛ صداهای زن و مرد فارسی با خروجی MP3.

یودیو

Udio

رایگان

ساخت آهنگ کامل با خواننده از روی توضیح یا شعر، با ابزارهای ویرایش دقیق مثل Extend، Inpaint، Styles و Voices؛ ولی از اکتبر ۲۰۲۵ دانلود و استفادهٔ تجاری بسته است و آهنگ فقط داخل Udio پخش می‌شود.

چترباکس (آفلاین)

Chatterbox (offline)

رایگان

مدل‌های متن‌باز تبدیل متن به گفتار Resemble AI با مجوز MIT که صدا را از روی یک نمونهٔ کوتاه شبیه‌سازی می‌کنند؛ ۲۳ زبان دارد ولی فارسی جزو آن‌ها نیست و خروجی‌ها واترمارک نامرئی دارند.

پلوتاگون

Plotagon

رایگان

اپ ساخت انیمیشن‌های دیالوگ‌محور سه‌بعدی: صحنه و شخصیت را انتخاب می‌کنید، دیالوگ می‌نویسید و اپ صحنه را با صداگذاری خودکار می‌سازد.

هیگز تی‌تی‌اس ۳ (آفلاین)

Higgs TTS 3 (offline)

رایگان

مدل ۴ میلیاردی Boson AI برای گفتار طبیعی و احساسی در بیش از ۱۰۰ زبان، با فارسی در ردهٔ کیفیت بالا؛ اما مجوزش غیرتجاری است.

اوبرداک

Uberduck

رایگان

پلتفرم TTS و وکال هوش مصنوعی که با صداهای میم و رپ معروف شد؛ حالا بیشتر روی آواز، رپ و API با صداهای دارای مجوز تمرکز دارد.

ریزل

Rizzle

سرویس عمومی این ابزار متوقف شده است؛ ریزل که اپ ساخت ویدیوی کوتاه و تبدیل متن به ویدیو بود، از ۲۰۲۵ فقط به‌صورت سازمانی برای ناشران خبری کار می‌کند.

میوزنت

MuseNet

این پروژه متوقف شده است؛ میوزنت دموی پژوهشی OpenAI برای ساخت موسیقی MIDI بود که سال‌هاست بازنشسته شده.

آنسکرین

Unscreen

این سرویس متوقف شده است؛ آنسکرین ابزار محبوب حذف خودکار پس‌زمینه ویدیو بود که پس از خرید توسط Canva، در ۱ دسامبر ۲۰۲۵ به‌کلی تعطیل شد.

هات‌شات

Hotshot

این سرویس متوقف شده است؛ استارتاپ تولید ویدیوی Hotshot در مارس ۲۰۲۵ توسط xAI خریداری و سرویس مستقل آن تعطیل شد.