funasr

開源語音辨識工具包，支援訓練、推論、串流 ASR、VAD、標點、說話者分割流程，並提供相容 OpenAI / MCP 的服務介面

開源 SenseVoiceSmall 模型，支援中文（普通話、粵語）、英文、日文與韓文的語音辨識、語言識別、情緒辨識與音訊事件偵測。

基於 FunASR 的影片轉錄、字幕生成與 LLM 協助剪輯工具，配備本地 Gradio UI

視頻轉字幕、字幕翻譯、AI 配音與聲音克隆、字幕燒錄——免費開源的一站式桌面工具。基於 Whisper / FunASR 等本地模型離線語音轉文字，批量處理 + 全平台 GPU 加速，跨 Windows / macOS / Linux。Free, open-source desktop app to generate, translate, dub & burn video subtitles — local Whisper speech-to-text, AI dubbing & voice cloning, offline, GPU-accelerated.

快速提取音視頻內容，整理成一份結構化的markdown筆記

開源免費的 Wispr Flow 替代方案 | 集成 FunASR 本地模型和可配置大語言模型的下一代中文桌面語音工作流

百聆是一個類似 GPT-4o 的語音對話機器人，透過 ASR+LLM+TTS 實現，整合 DeepSeek R1 等優秀大模型，接入 openClaw，真正的個人語音助理，延遲低至 800ms，Mac 等低配備裝置也可執行，支援中斷

開源基於 LLM 的中文、方言、口音及多語種語音 ASR 模型家族，具備 FunASR、vLLM、串流與 llama.cpp 執行階段。

MTools 是一個功能強大的多功能桌面應用程式，集成了音視頻處理、圖片編輯、文本操作和編碼工具，內置AI增強功能。旨在簡化您的工作流程，提升生產效率

VocoType 是一款運行在本地端側的隱私安全語音輸入工具，透過快捷鍵即可將語音實時轉換為文字並自動輸入到當前應用。支援語音轉文字 MCP、AI 優化文本、自定義替換詞典、錄音影片轉文字等功能，讓語音輸入更高效、更安全。

即時音訊翻譯，可擷取系統音訊與麥克風，執行 ASR (Whisper/SenseVoice)，並透過 LLM API 進行翻譯與串流顯示。適用於 VTuber、直播主與觀看外語內容。