speech-to-text

面向抖音直播电商的 Windows 本地 AI Agent Studio，贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。

⚡ TensorFlowASR：Tensorflow 2 中幾乎達 SOTA 的自動語音辨識。支援使用字元或子字的語言

開源語音聽寫技術

Whisper-Flow 是一個旨在利用 OpenAI 的 Whisper 模型實現音訊內容即時轉錄的框架。Whisper-Flow 不會在上傳後處理整個檔案（「批次模式」），而是接收連續的音訊片段串流並立即產生漸進式的逐字稿。

使用自託管 Whisper 與 WebSocket 在 Python/JS 中實現近即時音訊轉錄。

Botium 語音處理

Whisper.net。使用 Whisper Models 輕鬆實現語音轉文字

使用字詞錯誤率（WER）等相似度指標評估您的語音轉文字系統

.NET MAUI 範例集

@voicybot Telegram 機器人主儲存庫

針對串流與裝置端使用優化的 Whisper 模型

一款適用於 macOS 的免費、開源且重視隱私的語音輸入應用程式。

基於 PaddlePaddle 實現端到端中文語音識別，從入門到實戰，超簡單的入門案例，超實用的企業專案。支援當前最流行的 DeepSpeech2、Conformer、Squeezeformer 模型

為你的 React 應用程式加入語音辨識功能💬

使用 OpenAI 的 Whisper 建立即時語音轉文字網頁應用程式 https://openai.com/blog/whisper/

描述性深度學習

適用於 Linux 的免費、開源、100% 離線語音聽寫工具。透過 whisper.cpp、Whisper 與 VOSK 引擎支援隨處語音輸入，具備 GPU 加速，支援 X11 與 Wayland！

一站式全自動字幕生成軟體，下載、轉錄、翻譯、壓製全流程覆蓋，無需人工介入

🎤 Lobe TTS - 適用於伺服器與瀏覽器的高品質且可靠的 TTS/STT 程式庫

語音轉文字再轉語音。歌曲正在播放中。將文字作為 OSC 訊息傳送至 VRChat 以顯示在虛擬化身上。(STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

用於引人入勝對話的本機語音聊天機器人，由 Ollama、Hugging Face Transformers 與 Coqui TTS Toolkit 提供支援

允許使用者搭配 OpenAI whisper 使用麥克風的專案。

🎤 在 Swift 中進行語音轉文字的最簡單方法

一個 100% 私密的 AI 語音轉文字應用程式，支援 100 多種語言的語音轉文字。使用 Compose Multiplatform 為 Android 和 iOS 開發，並基於 Whisper AI —— 無需上傳雲端，所有處理皆在裝置端完成，確保完整隱私。

說點啥（BiBi Keyboard）：一個基於 Kotlin 的 Android 平台 LLM 與 ASR 語音輸入法鍵盤應用程式

一個用於在 Apple Silicon 上透過 MLX 進行音訊處理的模組化 Swift SDK。

基於 PaddlePaddle 實現的語音辨識，中文語音辨識。專案完善，辨識效果佳。支援 Windows、Linux 下訓練與預測，並支援 Nvidia Jetson 開發板預測。

一個即時無聲語音識別工具。

在本地機器的 Unity3d 中執行語音轉文字模型 (whisper.cpp)。

適用於 Android 的隱私且裝置端的語音辨識鍵盤與服務。