speech-to-text

适用于 macOS 的本地语音转文字，端侧 AI，完全隐私，可选云端

借助 ExecuTorch 在 React Native 设备端以声明式方式运行 AI 模型。

收集户晨风的所有内容

Speech Note Linux 应用程序。具备离线语音转文字、文字转语音以及机器翻译的笔记、阅读与翻译功能。

使用 AI 进行本地语音识别与字幕生成的 OBS 插件

针对 Apple Silicon 的高性能 OpenAI 与 Anthropic 兼容 LLM 推理服务器。原生支持 MLX、连续批处理、多模态模型、MCP 工具调用以及 Claude Code。

Python 的 TikTok LIVE API：从 TikTok LIVE 实时接收直播事件（评论、礼物等）的决定性第三方库。

开源基于 LLM 的中文、方言、口音及多语种语音 ASR 模型家族，具备 FunASR、vLLM、流式与 llama.cpp 运行时。

扩展 ComfyUI 功能的自定义节点

🎙️ AI 语音听写应用程序 - 开源且本地优先 ⚡ 输入速度提升 3 倍，无需键盘。 🆓 基于开源模型驱动，可离线运行，快速且准确。

每一个会议、每一个想法、每一则语音备忘录，都能透过你的 AI 进行搜寻。开源、隐私优先的对话记忆层。

适用于 Wayland 复合管理器的按住发言语音转文字工具

视频同步翻译与视频配音

在配备 Apple Silicon 的 Mac 上微调 LLMs。支持 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 与 OCR 微调 —— 基于 MLX 原生实现。兼容 Unsloth API。

💎 适用于 ASR、TTS 及其他语音技术的无障碍语音语料库列表

多后端 whisper 应用程序。极速执行。针对 Mac-arm 优化。安装简单。输入本地文件或网址，此服务将使用 Whisper AI 进行转录。完全私密且免费 🤯🤯🤯

基于 CTranslate2、兼容原始 OpenAI 客户端的 Whisper 命令行客户端。

Gp.nvim (GPT prompt) Neovim AI 插件：ChatGPT 对话与可指令化的文字/代码操作与语音转文字 [OpenAI, Ollama, Anthropic, ..]

用于艺术、实时语音对话、LLM 驱动的聊天机器人与自动化工作流程的离线推理引擎

StreamSpeech 是一个用于离线与同步语音识别、语音翻译及语音合成的“一体化”无缝模型。

适用于 Windows、Linux 与 macOS 的无审查本地 AI 工作室。零设置图形界面，支持图像生成、GGUF LLM、文本转语音与语音转文本

一个语音聊天应用程序

Linux 的原生语音转文字 - 快速、准确、隐私且可高度定制的全系统听写

Muesli - macOS 本地会议转录与听写工具（Granola 与 WisprFlow 的替代方案）

用于在 Youtube/Twitch 上进行串流直播的 AI Vtuber

这是一款开源的 iOS 应用程序，让移动设备上的高质量语音转录变得更容易获取。

💬📝 使用 OpenAI 的 Whisper 语音识别模型的轻量语音听写应用程序。

完全本地、隐私且跨平台的语音转文字工具，并具备 LLM 后处理功能

开源语音 AI SDK。专为想掌控技术栈的开发者打造的 Vapi/Retell 替代方案。只需 4 行代码就能赋予 AI 代理电话号码——支持 Python 与 TypeScript，采用 MIT 授权，整合 Twilio、Telnyx 与 Plivo。

面向抖音直播电商的 Windows 本地 AI Agent Studio，贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。