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 2026-10-30 · 当前星标 ★ 179
核心亮点
- 语音听写直接注入当前输入框，省去手动敲长提示词
- 集成屏幕 OCR 抓字，报错和文档可框选即引用
- 截图/录屏与翻译合并在一个快捷键层，减少工具切换
不足之处
- 仅支持 macOS，Windows/Linux 用户无法使用
- 早期项目，星标约 179，生态与文档完善度待观察
- 依赖系统语音识别与辅助功能权限，首次配置步骤较多
适用场景
- 向 Claude Code 口述复杂需求，免去长段打字
- 框选终端报错或网页文档，OCR 后直接贴给 Agent 分析
- 会议或演示时录屏加语音说明，整理成 Agent 可读的上下文
替代项目
Whisper、MacWhisper、superwhisper
上一篇：esp-skainet
下一篇：没有了！
同类项目推荐
OctoASR
开源
几行 Python 把音频转成文字，快速搭语音识别原型
murmure
开源
本地离线语音转文字，LLM 润色，隐私安全跨平台
Fully local, private and cross platform Speech-to-Text with LLM Post-processing
AsrServe
开源
自托管语音识别，实时离线都能跑，接口兼容 OpenAI
Self-hosted realtime and offline ASR with SOTA open models, speaker diarization and ···
awesome-speech-recognition-speec···
开源
按图索骥，快速入门语音识别与合成论文
Automatic Speech Recognition (ASR), Speaker Verification, Speech Synthesis, Text-to-···
gipformer
开源
轻量越南语语音识别，低资源也能跑
Efficient Vietnamese Speech Recognition
ctc-forced-aligner
开源
用CTC模型把音频和文本对齐，秒出音素时间戳
Text to speech alignment using CTC forced alignment
unmute
开源
给文本 LLM 装上耳朵和嘴巴，秒变语音助手
Make text LLMs listen and speak
deepgram-go-sdk
开源
Go 语言接入 Deepgram，快速实现语音转写与合成
Official Go SDK for Deepgram.
simple-obs-stt
开源
直播时自动生成实时字幕，直接叠加到 OBS 画面
Speech-to-text and keyboard input captions for OBS.