项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 984
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
安装与启动步骤
-
1环境依赖
Python 3.12,建议使用 uv 或 venv 创建虚拟环境。
-
2克隆与安装
git clone 仓库后执行 uv pip install -r requirements.txt。
-
3运行
python main.py 启动 CLI 语音输入;加 --save-dataset 保存数据集。
-
4配置火山引擎(可选)
在 config.json 填写 App Key / Access Key,使用 --config config.json 启动以启用云端识别。
核心亮点
- 本地端侧识别,语音数据不出本机,隐私安全
- 全局快捷键触发并自动上屏,可在任意应用中使用,无需切换窗口
- 支持自定义替换词典和 AI 文本优化,能按个人习惯修正识别结果
不足之处
- 早期项目,文档和社区生态还在完善中
- 依赖 FunASR 等模型,首次使用需下载模型且对本地算力有一定要求
适用场景
- 写代码或写文档时用语音快速输入大段文字
- 客服或运营人员在不方便打字的场景下快速回复消息
- 将会议录音、视频文件批量转成文字稿
替代项目
Buzz、whisper.cpp、Vosk
上一篇:docker-whisper
下一篇:auto-caption
同类项目推荐
petal
开源
菜单栏一点,本地把音频转成文字
Petal is a native macOS menu bar app for fast, local-first audio transcription.
tiny-audio
开源
25 美元训出带时间戳和说话人分离的语音转文字
A speech-to-text system you can train for $25. A frozen speech encoder and a Qwen LL···
Mega-ASR
开源
野外场景语音识别不掉链子,比SOTA最多强30%
First foundation ASR built for the real world - 7 atomic acoustic conditions, 54 com···
viet-asr
开源
越南语语音转文字的开源基线
VietASR - Vietnamese Automatic Speech Recognition
speech-core
开源
端侧本地跑通语音识别、合成与分离,离线低延迟。
On-device VAD / streaming STT / TTS / diarization in C++17 (ONNX + LiteRT) with a vo···
voxtral-mini-realtime-rs
开源
在浏览器或本地用 Rust 跑实时语音识别与合成
Voxtral ASR & TTS running natively and in the browser. A Rust implementation of Mist···
mod_audio_stream
开源
让 FreeSWITCH 通话音频实时对接 WebSocket 语音 AI 服务
FreeSWITCH module to stream audio to websocket and receive response
phonikud
开源
给希伯来文本自动标音,让TTS发音更准
Hebrew grapheme to phoneme (INTERSPEECH 2026)
gipformer
开源
轻量越南语语音识别,低资源也能跑
Efficient Vietnamese Speech Recognition
