whisper

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。

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。

与 Claude Code 进行自然语音对话

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

适用于 Wayland 复合管理器的按住发言语音转文字工具

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, ..]

MTools 是一个功能强大的多功能桌面应用程序，集成了音视频处理、图片编辑、文本操作和编码工具，内置AI增强功能。旨在简化您的工作流程，提升生产效率

赋予 Claude 观看与理解视频的能力 — 具有帧提取与多模态语音分析的 Claude Code 外挂程序

Whisper 是 Graphite 的基于文件的时序数据库格式。

适用于 Kubernetes 的 AI 推理运算符。在生产环境中提供 ML 模型服务的最简单方式，支持 VLM、LLM、嵌入与语音转文字。

微调 Whisper 语音识别模型，支持无时间戳数据训练、有时间戳数据训练以及无语音数据训练。加速推理并支持 Web 部署、Windows 桌面部署与 Android 部署

在生产环境中提供 AI/ML 模型服务的最简单方式

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

视频音频生成字幕，生成 srt 文件。无需申请第三方 API，本地实现音频转文本。基于 Transformer 的视频字幕生成框架。A GUI tool for generating subtitle from videos and generating srt files.

一个支持 30 多种生成式 AI 的自架网页界面

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。

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。

开箱即用的自托管离线转录与说话人日志服务，并附带 LLM 摘要

此项目提供具备用户级访问支持的 API，使用微调并处理过的 Whisper ASR 模型将语音转为文字。

OpenCluely 是一个免费、开源的 Cluely 替代品，专为技术面试（如 DSA、OA 和 CP）而建。它提供隐形覆盖、实时 AI 协助、用于题目捕获的智能图像处理，以及多语言支援：100% 可自定义且具隐私性。

C# Twitch Chat、Whisper、API 和 PubSub 库。支持聊天、私信、流事件订阅以及频道/账号修改。支持所有支持 .NETStandard 2.0 的平台

批量为本地视频生成字幕文件，并可将字幕文件翻译成其它语言，跨平台支持 Windows、Mac 系统

在几秒钟内从视频中生成字幕、摘要与章节

一个非官方的 OpenAI Unity Package，旨在协助你在 Unity 游戏引擎中直接使用 OpenAI API。

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/

采用经典架构的 Graphite/Carbon 服务器 Golang 实现：Agent -> Cache -> Persister