speech-to-text

大型語言模型（LLMs）在音訊 AI 應用之資源收集

Pytorch實現的流式與非流式的自動語音識別框架，同時兼容在線和離線識別，目前支持Conformer、Squeezeformer、DeepSpeech2模型，支持多種數據增強方法。

Rapida 是一個開源的端到端語音 AI 編排平台，用於建構具備音訊串流、STT、TTS、VAD、多通道整合、代理狀態管理與可觀測性的即時對話語音代理程式。

Adapt 意圖解析器

適用於 OBS、VRChat、Twitch 聊天室與 Discord 的語音轉文字和 KB 輸入字幕

語音 API 範例。

語音轉文字效能評測框架

一個免費的本機桌面應用程式，可從影片中提取字幕 (SRT) 並將其翻譯成任何語言 —— 無限制使用、無需註冊、無需雲端。

適用於 React Native Expo 專案的語音辨識

使用 Whisper 與 LLM（GPT、Claude 等）將語音轉錄並翻譯成 LRC 檔案。

由深度學習驅動的裝置端串流語音轉文字引擎

:speech_balloon: /so.nus/ 適用於 Node 的 STT (語音轉文字)，具備離線熱詞偵測功能

建立用於線上監考自動化監控的軟體

適用於 Apple Silicon Mac 的快速、隱私、本地優先語音應用程式，支援聽寫、檔案/媒體轉錄、會議錄音、轉換功能及公開自動化 CLI。免費且開源。

使用 WhisperKit 進行本機語音轉文字的原生 macOS 選單列聽寫應用程式

用於多語言 ASR 與 TTS 模型的 C++ ggml 執行時期中心：包含 Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等，並支援通用強制對齊等功能。

使用 faster-whisper 進行即時語音轉文字。

使用 Vosk 函式庫開發的 Android 開源裝置端語音輸入法（鍵盤）。

使用 Playwright 解決 reCAPTCHA v2 與 v3 的 Python 函式庫。

支援多種推論引擎的 Whisper 模型語音轉文字優化管線。

為 VRChat 製作的模組化節點程式語言、程式建立器、動畫系統、工具組、路由器與偵錯器

🗣 一個在自訂 UI 中取得使用者語音權限並將輸入轉為文字的覆疊介面

Browser-only Canva-style presentation studio, powered by local Web AI.

韓語語音辨識 STT API 列表及效能基準測試。

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

透過 Vosk 的 WebAssembly 建置，可在瀏覽器中執行的語音辨識函式庫

Phonetisaurus G2P 語音轉文字系統。

此工具使用 AI 來評估您的發音

Open-source AI voice typing for macOS, Windows, and Linux. Press a hotkey, speak naturally, get polished text in any app.

開源音訊與視訊轉錄軟體。