stt

你的 AI 第二大脑。可自行托管。从网络或文档获取答案。构建自定义代理、调度自动化、进行深度研究。将任何线上或本地 LLM 转为个人自主 AI（gpt、claude、gemini、llama、qwen、mistral）。立即开始 - 免费。

支持 Android、iOS、Raspberry Pi 与服务器的离线语音识别 API，提供 Python、Java、C# 与 Node 接口

Very low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces

Stream 的 Open Vision Agents。使用任意模型或视频提供者快速构建语音与视觉代理，利用 Stream 边缘网络实现超低延迟

语音识别转文字工具 / 一个离线运行的本地音视频转字幕工具，输出 json、srt 字幕、纯文字格式

通过网页 UI 100% 在本地将任何音频转录为文字、翻译并编辑字幕。由 whisper 模型驱动！

🐸STT - 用于语音转文字的深度学习工具包。训练与部署 STT 模型从未如此简单。

使用 tensorflow 深度学习框架与 sequence-to-sequence 神经网络的语音识别

基于 Arduino ESP32 的实时语音 AI 玩具，拥有 100 多个模型，具备安全 Websockets 与 Edge Functions，适用于 AI 伴侣与设备

认识 WhatsApp 代理程序 Ava

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。

适用于 Android 的 Dicio 助理应用程序

🍦 Speech-AI-Forge 是一个围绕 TTS 生成模型开发的项目，实现了 API 服务器与基于 Gradio 的 WebUI。

视频同步翻译与视频配音

💎 适用于 ASR、TTS 及其他语音技术的无障碍语音语料库列表

小智ESP32的Java企业级管理平台，提供设备监控、音色定制、角色切换和对话记录管理的前后端及服务端一体化解决方案

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, ..]

实时语音翻译 — 支持 macOS 与 Windows，免费 TTS，无需服务器，仅需您的 API 密钥

双语会议的实时双向语音翻译 — 自动检测说话语言并进行双向翻译，支持云端或完全离线设备端。支持桌面版（Windows、macOS、Linux）以及适用于 Zoom、Meet、Teams 与任何应用程序的浏览器扩展程序（Chrome、Edge）。

NobodyWho 是一款推理引擎，让你能在任何设备上高效地在本地运行 LLM。

🎙️ 一款智能语音生产力助手，可将语音转化为干净的文字、有用的动作和结构化知识。它协助用户捕捉灵感、自然沟通、自动化重复性任务，并在各种应用程序与工作流程中保持高生产力。

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

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)

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

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

MLX Omni Server 是一个由 Apple 的 MLX 框架驱动的本地推理服务器，专为 Apple Silicon (M 系列) 芯片设计。它实现了兼容 OpenAI 的 API 端点，能够与现有的 OpenAI SDK 客户端无缝集成，同时发挥本地 ML 推理的性能。

由深度学习驱动的设备端流式语音转文字引擎

:speech_balloon: /so.nus/ 适用于 Node 的 STT (语音转文字)，具备离线热词检测功能

一个让音视频自动转录校对更轻松快速的 React 组件。由 BBC News Labs 开发。- 进行中

用于多语言 ASR 与 TTS 模型的 C++ ggml 运行时中心：包含 Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等，并支持通用强制对齐等功能。