speech-to-text

⚡ TensorFlowASR：Tensorflow 2 中几乎达 SOTA 的自动语音识别。支持使用字符或子字的语言

开源语音听写技术

Whisper-Flow 是一个旨在利用 OpenAI 的 Whisper 模型实现音频内容实时转录的框架。Whisper-Flow 不会在上传后处理整个文件（“批处理模式”），而是接收连续的音频片段流并立即产生渐进式的转录文本。

使用自托管 Whisper 与 WebSocket 在 Python/JS 中实现近即时音频转录。

Botium 语音处理

Whisper.net。使用 Whisper Models 轻松实现语音转文字

使用词错误率（WER）等相似度指标评估您的语音转文字系统

.NET MAUI 示例集

@voicybot Telegram 机器人主仓库

针对流式传输与设备端使用优化的 Whisper 模型

一款适用于 macOS 的免费、开源且重视隐私的语音输入应用程序。

基于 PaddlePaddle 实现端到端中文语音识别，从入门到实战，超简单的入门案例，超实用的企业项目。支持当前最流行的 DeepSpeech2、Conformer、Squeezeformer 模型

为你的 React 应用加入语音识别功能💬

使用 OpenAI 的 Whisper 建立实时语音转文字网页应用程序 https://openai.com/blog/whisper/

描述性深度学习

适用于 Linux 的免费、开源、100% 离线语音听写工具。通过 whisper.cpp、Whisper 与 VOSK 引擎支持随处语音输入，具备 GPU 加速，支持 X11 与 Wayland！

一站式全自动字幕生成软件，下载、转录、翻译、压制全流程覆盖，无需人工介入

语音转文字再转语音。歌曲正在播放中。将文本作为 OSC 消息发送至 VRChat 以显示在虚拟化身上。(STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

🎤 Lobe TTS - 适用于服务器与的高质量且可靠的 TTS/STT 库

用于引人入胜对话的本地语音聊天机器人，由 Ollama、Hugging Face Transformers 与 Coqui TTS Toolkit 提供支持

允许使用者搭配 OpenAI whisper 使用麦克风的项目。

🎤 在 Swift 中进行语音转文字的最简单方法

一个 100% 私密的 AI 语音转文字应用程序，支持 100 多种语言的语音转文字。使用 Compose Multiplatform 为 Android 和 iOS 开发，并基于 Whisper AI —— 无需上传云端，所有处理皆在设备端完成，确保完整隐私。

说点啥（BiBi Keyboard）：一个基于 Kotlin 的 Android 平台 LLM 与 ASR 语音输入法键盘应用程序

一个用于在 Apple Silicon 上通过 MLX 进行音频处理的模块化 Swift SDK。

基于 PaddlePaddle 实现的语音识别，中文语音识别。项目完善，识别效果佳。支持 Windows、Linux 下训练与预测，并支持 Nvidia Jetson 开发板预测。

一个实时无声语音识别工具。

在本地机器的 Unity3d 中运行语音转文字模型 (whisper.cpp)。

适用于 Android 的隐私且端侧的语音识别键盘与服务。

大型语言模型（LLMs）在音频 AI 应用之资源收集