speech-to-text

OpenAI Whisper 模型的 C/C++ 移植版

免費、開源且可擴充的語音轉文字應用程式，完全離線運作。

以隱私為先的 AI 會議助理，具 4 倍更快的 Parakeet/Whisper 即時轉錄、說話者分離與基於 Rust 的 Ollama 摘要，100% 本地處理，無需雲端。Meetily（Meetly Ai）是 macOS 與 Windows 上首屈一指的自託管、開源 AI 會議筆記工具。了解如何撰寫會議紀要

以單一檔案分發與執行大型語言模型（LLM）。

使用 CTranslate2 的 Faster Whisper 轉錄

WhisperX：具備單字層級時間戳記（及說話者分割）的自動語音辨識

YC (S26) | 開放電腦歷史 | 本地持續錄製螢幕並為您的代理（Claude、Codex、Openclaw、Hermes、Runner…）提供上下文資訊

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

將影片從一種語言翻譯成另一種語言，並嵌入配音與字幕。

🧠 Leon 是你的開源個人助理

kaldi-asr/kaldi 是 Kaldi 專案的官方位置。

支援 Android、iOS、Raspberry Pi 與伺服器的離線語音辨識 API，提供 Python、Java、C# 與 Node 介面

VoiceStudio 是開源、完全本地化的 ElevenLabs 替代方案——支援 646 種語言的語音克隆、語音設計、影片配音、口述、轉錄與有聲書製作。

使用次世代 Kaldi 與 onnxruntime 的語音轉文字、文字轉語音、說話者分離、語音增強、聲源分離與 VAD，支援離線運行。支援嵌入式系統、Android、iOS、HarmonyOS、Raspberry Pi、RISC‑V、RK NPU、Axera NPU、Ascend NPU、x86_64 伺服器、WebSocket 伺服器/客戶端，支援 12 種程式語言

使用開源模型構建語音代理

Gradio WebUI 為創作者與開發者提供關鍵 TTS（Edge‑TTS、kokoro）與零樣本語音克隆（E2 & F5‑TTS、CosyVoice），並支援 Whisper 音訊處理、YouTube 下載、Demucs 人聲分離與多語言翻譯

基於 PyTorch 的語音工具包

即時、本地語音轉文字，支援串流 ASR、說話者分離、翻譯，並相容 OpenAI/Deepgram API。

具備先進語音活動偵測、喚醒詞觸發與即時轉錄功能的高效、低延遲語音轉文字函式庫

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。

支援多種引擎與 API 的 Python 語音辨識模組，支援線上與離線模式

基於深度學習的中文語音識別系統

一個基於 Apple MLX 框架的文字轉語音（TTS）、語音轉文字（STT）與語音轉語音（STS）函式庫，提供在 Apple Silicon 上高效的語音分析。

💬 你網站的語音識別

Apple Silicon 上的本機語音 AI

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

具備本地（Nvidia Parakeet/Whisper）與雲端模型（BYOK）的語音轉文字應用程式，注重隱私，跨平台可用

Silero 模型：讓預訓練文字轉語音模型變得極度簡單

將你的 PC、Mac 或 Linux 盒子變成 AI 伺服器。LLM 推理、聊天 UI、語音、代理、工作流程、RAG 與圖像生成

基於 OpenAI Whisper 的自動語音識別與說話者分離