Roxy - AI 语音伴侣记录了 27,212,532 月访问量,月度环比增长为 -6.4%,定价为免费增值。Transkriptor 记录了 628,671 月访问量,增长率为 -3.6%,定价为免费试用,付费。

把音频与视频变成可搜索文本的 AI 转录服务
| 维度 / 指标 | ![]() | ![]() |
|---|---|---|
| 官方域名 | itunes.apple.com | transkriptor.com |
| 定价模式 | 免费增值 | 免费试用,付费 |
| 月访问量 | 2721.25万 (27,212,532) | 62.87万 (628,671) |
| 月度环比流量变化 | -187.02万 (-6.4%) | -2.33万 (-3.6%) |
| 主要市场与份额 | 🇺🇸 美国 (35.2%) | 🇧🇷 巴西 (8.4%) |
| 直接访问 / 月 | 907.36万 | 29.63万 |
| 用户评分 | 4.1 | 4.1 |
| 支持的平台 | 应用 | 网站 |

免手动 AI 语音聊天,聊天、语言练习与游戏
在语音优先界面中自然地与 Roxy 交谈并听到语音回复,开车、做饭或放松时都无需触碰手机。
仅用语音即可玩知识问答、文字谜题、二十问等休闲游戏,随时获得娱乐。
通过互动对话练习新语言,或在需要时获取即时翻译。
新版本允许你选择底层大模型——Claude、DeepSeek、Gemini 或自定义模型,以调整对话风格。

把音频与视频变成可搜索文本的 AI 转录服务
在 100 多种语言中以宣称最高 99% 的准确率把音频视频转成文字,并可编辑导出为 TXT、DOCX、SRT 或 VTT。
自动识别并标注谁在何时发言,让会议和访谈转录更易阅读与引用。
生成简明摘要、关键主题和行动项,无需通读全文。
在库中所有会议转录里搜索决策、引用与答案,并附上来源。

提供流畅的多模态语音互动与宏大的上下文整合,但较不适合休闲陪伴游戏。
提供流畅的多模态语音互动与宏大的上下文整合,但较不适合休闲陪伴游戏。

专项更强Excels at high-accuracy translation and real-time voice translation, but does not offer conversational companion gameplay.
专项更强Excels at high-accuracy translation and real-time voice translation, but does not offer conversational companion gameplay.
能够更快处理超大音频文件且无严格大小限制,但缺乏实时会议机器人功能。
对专业人工和自动转录工作流程的支持更好,但定价模式不同。
Transcribe Audio to Text is a free online transcriber that converts audio, video and YouTube links into accurate, editable text. It adds timestamps and speaker labels, supports 200+ languages, and generates AI summaries you can download or share.
Transcribe Audio to Text is a free online transcriber that converts audio, video and YouTube links into accurate, editable text. It adds timestamps and speaker labels, supports 200+ languages, and generates AI summaries you can download or share.

Generates visual mind maps alongside standard text transcripts, but has a smaller feature set for heavy enterprise users.
专项更强内置更强大的视频配音与多语言字幕编辑工具,但对通用文本摘要的关注较少。
专项更强内置更强大的视频配音与多语言字幕编辑工具,但对通用文本摘要的关注较少。
Clean interface for turning audio and video into structured summaries, but lacks advanced team collaboration permissions.
Clean interface for turning audio and video into structured summaries, but lacks advanced team collaboration permissions.