transcription

以隐私为先的 AI 会议助理，具 4 倍更快的 Parakeet/Whisper 实时转录、说话者分离与基于 Rust 的 Ollama 摘要，100% 本地处理，无需云端。Meetily（Meetly Ai）是 macOS 与 Windows 上首屈一指的自托管、开源 AI 会议笔记工具。了解如何编写会议纪要

开源语音识别工具包，支持训练、推理、流式 ASR、VAD、标点、说话人分离流水线，并提供兼容 OpenAI / MCP 的服务接口

VoiceStudio 是开源、完全本地化的 ElevenLabs 替代方案——支持 646 种语言的语音克隆、语音设计、视频配音、口述、转录与有声书制作。

能看屏幕、听对话并告诉你该怎么做的 AI

Gradio WebUI 为创作者与开发者提供关键 TTS（Edge‑TTS、kokoro）与零样本语音克隆（E2 & F5‑TTS、CosyVoice），并支持 Whisper 音频处理、YouTube 下载、Demucs 人声分离与多语言翻译

开源 SenseVoiceSmall 模型，支持普通话、粤语、英语、日语和韩语的语音识别、语言识别、情绪识别和音频事件检测。

基于 FunASR 的视频转录、字幕生成与 LLM 协助剪辑工具，配备本地 Gradio UI

一个轻量级但功能强大的音频转 MIDI 转换器，具备音高弯曲检测

设备端字幕生成工具，可直接连接 DaVinci Resolve、Premiere 和 After Effects。

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！

自托管 AI 语音转文字工具

语音 → 文字

适用于 Google Meet、Microsoft Teams 与 Zoom 的开源会议转录 API。支持自动加入机器人、实时 WebSocket 转录、适用于 AI 代理的 MCP 服务器。可自行托管或使用托管的 SaaS。

🔊 Whisper 精彩资源列表 — 由 OpenAI 开发的开源 AI 语音识别系统

在 Rust 中实现即时、可控的本地预训练 AI 模型

用于自动化语音转录的前沿 AI 技术。为 OpenAI 的 Whisper 与 pyannote（说话人识别）提供优秀的 GUI。

让 Claude（或任何 LLM）真正观看视频——支持从网址或本地文件获取具场景感知、去除重复帧与文字记录的功能。本地运行，采用 MIT 授权。

一个用于构建 AI 驱动的实时音频应用程序的 Python 套件

具备自动转录功能的语音音频编辑器

适用于 macOS 的本地语音转文字，端侧 AI，完全隐私，可选云端

使用 AI 进行本地语音识别与字幕生成的 OBS 插件

🎙️ 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。

ByteDance 附踏板钢琴转谱工具的简单 GUI

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。

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。

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 🤯🤯🤯

可控制的转录。逐字（包含每个语气词、停顿、口吃、声音）或意图（说话者想表达的意思，针对可读性优化），并带有单词级别的时间戳。

「硬地骇客 - 两个月 $12000 ARR 实践之路」是由 硬地骇客 团队编著，本书是关于 Podwise 产品历程的忠实记录：内容包含 灵感 - 构建 - 发布 - 增长 - 复盘 五个章节。如果你觉得一个人读不够过瘾，欢迎加入「硬地骇客」官方知识星球与专家们一起讨论！Podwise 的故事才刚刚开始，我们也将在星球持续分享我们的认知，成功可能无法复制，但失败一定可以借鉴。现在就点击下方链接加入吧！

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