speech-to-text

適用於 macOS 的本機語音轉文字，端側 AI，完全隱私，可選雲端

透過 ExecuTorch 在 React Native 裝置端以宣告式方式執行 AI 模型。

收集戶晨風的所有內容

Speech Note Linux 應用程式。具備離線語音轉文字、文字轉語音以及機器翻譯的筆記、閱讀與翻譯功能。

使用 AI 進行本機語音辨識與字幕產生的 OBS 外掛模組

針對 Apple Silicon 的高效能 OpenAI 與 Anthropic 相容 LLM 推論伺服器。原生支援 MLX、連續批次處理、多模態模型、MCP 工具呼叫以及 Claude Code。

Python 的 TikTok LIVE API：從 TikTok LIVE 即時接收直播事件（留言、禮物等）的決定性第三方函式庫。

與你的 Mac 對話、查詢你的文件，無需雲端。裝置端語音 AI + RAG

擴充 ComfyUI 功能的自訂節點

🎙️ AI 語音聽寫應用程式 - 開源且本機優先 ⚡ 輸入速度提升 3 倍，無需鍵盤。 🆓 基於開源模型驅動，可離線運作，快速且準確。

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。

每一個會議、每一個想法、每一則語音備忘錄，都能透過你的 AI 進行搜尋。開源、隱私優先的對話記憶層。

影片同步翻譯與影片配音

💎 適用於 ASR、TTS 及其他語音技術的無障礙語音語料庫清單

在配備 Apple Silicon 的 Mac 上微調 LLMs。支援 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 與 OCR 微調 —— 基於 MLX 原生實現。相容 Unsloth API。

多後端 whisper 應用程式。極速執行。針對 Mac-arm 最佳化。安裝簡單。輸入本機檔案或網址，此服務將使用 Whisper AI 進行轉錄。完全私密且免費 🤯🤯🤯

基於 CTranslate2、相容於原始 OpenAI 用戶端的 Whisper 命令列用戶端。

適用於 Wayland 複合管理器的按住發言語音轉文字工具

Gp.nvim (GPT prompt) Neovim AI 外掛：ChatGPT 對話與可指令化的文字/程式碼操作與語音轉文字 [OpenAI, Ollama, Anthropic, ..]

用於藝術、即時語音對話、LLM 驅動的聊天機器人與自動化工作流程的離線推論引擎

StreamSpeech 是一個用於離線與同步語音辨識、語音翻譯及語音合成的「一體化」無縫模型。

一個語音聊天應用程式

Linux 的原生語音轉文字 - 快速、準確、隱私且可高度自訂的全域聽寫系統

適用於 Windows、Linux 與 macOS 的無審查本地 AI 工作室。零設定圖形介面，支援圖像生成、GGUF LLM、文字轉語音與語音轉文字

用於在 Youtube/Twitch 上進行串流直播的 AI Vtuber

Muesli - macOS 本地會議轉錄與聽寫工具（Granola 與 WisprFlow 的替代方案）

這是一款開源的 iOS 應用程式，讓行動裝置上的高品質語音轉錄變得更容易取得。

💬📝 使用 OpenAI 的 Whisper 語音辨識模型的輕量語音聽寫應用程式。

完全本地、隱私且跨平台的語音轉文字工具，並具備 LLM 後處理功能

開源語音 AI SDK。專為想掌控技術堆疊的開發者打造的 Vapi/Retell 替代方案。只要 4 行程式碼就能賦予 AI 代理電話號碼——支援 Python 與 TypeScript，採 MIT 授權，整合 Twilio、Telnyx 與 Plivo。