stt

你的 AI 第二大腦。可自行託管。從網路或文件取得答案。建立自訂代理、排程自動化、進行深度研究。將任何線上或本地 LLM 轉為個人自主 AI（gpt、claude、gemini、llama、qwen、mistral）。立即開始 - 免費。

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

極低延遲的語音轉文字、意圖辨識與文字轉語音，適用於構建語音代理與介面

Stream 的 Open Vision Agents。使用任意模型或影片提供者快速構建語音與視覺代理，利用 Stream 邊緣網路實現超低延遲

語音辨識轉文字工具 / 一個離線運行的本地音視頻轉字幕工具，輸出 json、srt 字幕、純文字格式

透過網頁 UI 100% 在本地將任何音訊轉錄為文字、翻譯並編輯字幕。由 whisper 模型驅動！

🐸STT - 用於語音轉文字的深度學習工具組。訓練與部署 STT 模型從未如此簡單。

使用 tensorflow 深度學習框架與 sequence-to-sequence 神經網路的語音辨識

基於 Arduino ESP32 的即時語音 AI 玩具，擁有 100 多種模型，具備安全 Websockets 與 Edge Functions，適用於 AI 伴侶與裝置

認識 WhatsApp 代理程式 Ava

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。

適用於 Android 的 Dicio 助理應用程式

🍦 Speech-AI-Forge 是一個圍繞 TTS 生成模型開發的專案，實作了 API 伺服器與基於 Gradio 的 WebUI。

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

小智ESP32的Java企業級管理平台，提供設備監控、音色客製化、角色切換和對話記錄管理的前後端及服務端一體化解決方案

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, ..]

即時語音翻譯 — 支援 macOS 與 Windows，免費 TTS，無需伺服器，僅需您的 API 金鑰

雙語會議的即時雙向語音翻譯 — 自動偵測說話語言並進行雙向翻譯，支援雲端或完全離線裝置端。支援桌面版（Windows、macOS、Linux）以及適用於 Zoom、Meet、Teams 與任何應用程式的瀏覽器擴充功能（Chrome、Edge）。

NobodyWho 是一款推理引擎，讓你能在任何裝置上高效地在本機執行 LLM。

🎙️ 一款智慧語音生產力助理，可將語音轉化為乾淨的文字、有用的動作和結構化知識。它協助使用者捕捉靈感、自然溝通、自動化重複性任務，並在各種應用程式與工作流程中保持高生產力。

🎤 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)

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

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

MLX Omni Server 是一個由 Apple 的 MLX 框架驅動的本地推論伺服器，專為 Apple Silicon (M 系列) 晶片設計。它實作了相容 OpenAI 的 API 端點，能夠與現有的 OpenAI SDK 用戶端無縫整合，同時發揮本地 ML 推論的效能。

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

一個能讓音視訊自動轉錄校對更輕鬆快速的 React 元件。由 BBC News Labs 開發。- 進行中

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。