音频编辑

fal 是生成式媒体模型推理与 Serverless GPU 平台，提供 1000 多款可直接用于生产的图像、视频、音频和 3D 模型 API，支持按量或预留容量计费、私有端点、单点登录、SOC 2 合规与使用分析，并可在 H100/H200/B200 GPU 上扩展自定义模型的训练与部署。2026 年 9 月，xAI 语音模型 Grok Voice 上线 fal，开发者可调用它构建低延迟语音智能体。

StemDeck 是一款免费、开源且完全本地运行的音轨分离工具，无需账号、上传或订阅，可将 MP3、WAV、FLAC 等音频或 YouTube 链接分离为人声、鼓、贝斯、钢琴、吉他等最多 6 个独立音轨，面向音乐人、制作人和爱好者，用于练习、转录、混音及创意音频工作流。

Adobe Premiere 是 Adobe 面向手机推出的移动 AI 视频编辑应用，安卓版于 2026 年 9 月 22 日登陆 Google Play（需 Android 13、至少 5GB 内存）。应用提供帧级多轨时间线，可分割、修剪、合并视频，调速并添加转场、文字、色彩预设及旁白音效，核心剪辑免费，可不限次数导出无水印 4K 视频。AI 语音增强与 Firefly 文生图等生成式功能及额外云存储需内购，Adobe 称不使用用户内容训练。

Audacity 是免费开源的跨平台（Windows/macOS/Linux）数字音频工作站，用于录音、音频剪辑、混音与格式转换。Audacity 4 全面改版，最大变化是引入非破坏性编辑工作流：可裁剪片段后拖回边缘恢复音频，片段可重叠自由拖动，新增拆分片段、刷新内置效果、改版主屏幕与项目组织，并带来可定制主题的现代化界面。支持 VST3/Nyquist 等第三方插件与频谱分析，可导入导出 WAV、MP3、FLAC、Ogg 等格式。

AuK 是腾讯混元开源的语音基础模型，用单一接口统一语音生成与编辑：输入自然语言指令与参考音频即可完成零样本 TTS、指令控制生成、内容与音色/风格/情感编辑、去口音、语速音调控制、增强去噪，以及多说话人和音乐分离。代码与模型权重已在 GitHub 开放，并提供 4 步推理的 AuK-Flash 版本，支持 HuggingFace、ModelScope 在线体验及 SGLang-Omni 部署。

Clipchamp 是微软旗下的在线视频编辑器，可在浏览器或 Windows 桌面端完成视频录制、剪辑与高清导出，无需专业经验。内置 AI 配音、80 多种语言自动字幕、降噪去停顿等 AI 音视频编辑工具，并提供免版税素材与模板。2026 年 9 月新增本地 AI 视频超分辨率，可借助 CPU 或 Copilot+ PC 的 NPU 将视频提升至最高 4K。提供免费版，高级功能随 Microsoft 365 订阅开放。

DaVinci Resolve 是 Blackmagic Design 推出的一体化专业视频后期软件，21 版本将剪辑、调色、视觉特效、动态图形、Fairlight 音频后期与新增照片页整合在同一应用中。内置 DaVinci AI 神经引擎，提供 IntelliSearch 内容搜索、AI 语音生成、CineFocus 焦点调整、人脸年龄变换与瑕疵去除等 AI 工具，支持 32-bit 浮点 HDR 调色及沉浸式 VR 工作流，面向电影、电视与流媒体制作团队。

Suno 是一款 AI 音乐生成产品，覆盖网页端与移动端，可将创意直接生成为完整歌曲。平台支持高级音轨分离、将音轨导出为 MIDI、歌词合写与自动保存、截图生成歌曲等创作能力，并已接入 Apple CarPlay 与 Android Auto 车载场景，适合内容创作者和音乐爱好者快速完成从灵感到成品的音乐制作流程。

YouDub WebUI 是开发者刘朝（@liuzhao1225）开源的 AI 视频本地化与配音工具，由面壁智能 VoxCPM2 驱动，支持 YouTube、Bilibili 及本地视频。它通过语音识别、字幕翻译、声音克隆/语音合成、人声与背景音分离、混音渲染的全自动管线，输出保留原音的硬字幕视频、纯配音视频或字幕配音一体视频；成熟场景为 YouTube 英文→中文配音，亦支持 B 站中文→英文与本地日文→中文。

剪映是字节跳动旗下的一站式AI视频创作平台，集AI视频生成、多轨道专业剪辑、数字人、AI音乐、文本朗读与音色克隆于一体，提供超清画质、AI补帧、智能调色、人声分离、智能剪口播等能力，支持PC与移动端，服务自媒体口播、影视二创、政企宣传与营销推广等创作场景。

Step-Audio 2 是阶跃星辰推出的端到端多模态语音大模型，面向工业级音频理解与语音对话场景，支持 ASR 语音识别、自然上下文语音交互、副语言信息与情感推理，并具备工具调用与多模态 RAG 能力。Mini 系列以 Apache 2.0 协议开源，同产品家族还包括 Step-Audio-TTS 语音合成模型与面向音频编辑的 Step-Audio-EditX。