transcription

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

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

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。

能看螢幕、聽對話並告訴你該怎麼做的 AI

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

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。

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

一個輕量級但功能強大的音頻轉 MIDI 轉換器，具備音高彎曲檢測

裝置端字幕生成工具，可直接連結 DaVinci Resolve、Premiere 與 After Effects。

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！

自託管 AI 語音轉文字工具

語音 → 文字

適用於 Google Meet、Microsoft Teams 與 Zoom 的開源會議逐字稿 API。支援自動加入機器人、即時 WebSocket 逐字稿、適用於 AI 代理的 MCP 伺服器。可自行託管或使用託管的 SaaS。

🔊 Whisper 相關精彩資源列表 — 由 OpenAI 開發的開源 AI 語音辨識系統

在 Rust 中實現即時、可控的本機預訓練 AI 模型

用於自動化語音轉錄的前沿 AI 技術。為 OpenAI 的 Whisper 與 pyannote（語者辨識）提供優秀的 GUI。

讓 Claude（或任何 LLM）真正觀看影片——支援從網址或本地檔案取得具場景感知、去除重複影格與逐字稿的功能。本機執行，採用 MIT 授權。

一個用於建構 AI 驅動的即時音訊應用程式的 Python 套件

具備自動轉錄功能的語音音訊編輯器

適用於 macOS 的本機語音轉文字，端側 AI，完全隱私，可選雲端

使用 AI 進行本機語音辨識與字幕產生的 OBS 外掛模組

🎙️ 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。

ByteDance 附踏板鋼琴轉譜工具的簡單 GUI

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。

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 🤯🤯🤯

可控制的轉錄。逐字（包含每個填補詞、停頓、口吃、聲音）或意圖（說話者想表達的意思，針對可讀性優化），並帶有單詞級別的時間戳記。

「硬地駭客 - 兩個月 $12000 ARR 實踐之路」是由 硬地駭客 團隊編著，本書是關於 Podwise 產品歷程的忠實記錄：內容包含 靈感 - 構建 - 發布 - 成長 - 復盤 五個章節。如果你覺得一個人讀不夠過癮，歡迎加入「硬地駭客」官方知識星球與專家們一起討論！Podwise 的故事才剛剛開始，我們也將在星球持續分享我們的認知，成功可能無法複製，但失敗一定可以借鏡。現在就點擊下方連結加入吧！

影片音訊生成字幕，生成 srt 檔案。無需申請第三方 API，本地實現音訊轉文字。基於 Transformer 的影片字幕生成框架。A GUI tool for generating subtitle from videos and generating srt files.