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 2026-11-05 · 当前星标 ★ 246
技术标签
核心亮点
- 支持faster-whisper本地转写，不依赖云端API，隐私和离线场景友好
- 覆盖抖音、小红书、B站、YouTube多平台，YouTube走字幕抓取路径省算力
- 转写后自动接大模型做结构化摘要，形成从音视频到要点笔记的完整链路
不足之处
- 早期项目，星标量有限，长期维护和问题响应待观察
- 多平台解析依赖各站点页面结构，接口变动时可能失效
- 本地whisper转写对硬件有一定要求，长视频耗时较长
适用场景
- 内容创作者批量提取竞品短视频文案并生成选题摘要
- 研究人员快速整理B站/YouTube讲座视频的文字要点
- 运营人员将小红书种草视频转为文字素材做二次加工
替代项目
whisper、Buzz、video-subtitle-extractor
上一篇：go-whisper
下一篇：没有了！
同类项目推荐
awesome-voice-typing
开源
按平台找离线语音输入工具，一页搞定
Curated list of open-source speech-to-text and voice typing tools for Linux, macOS, ···
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···
Transcribro
开源
离线语音键盘，说话即输入，录音不出手机
Private and on-device speech recognition keyboard and service for Android.
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
android-speech
开源
几行代码搞定 Android 语音识别与合成
Android speech recognition and text to speech made easy
docker-whisperX
开源
一条命令跑通带说话人分离的词级时间戳语音转写
Dockerfile for WhisperX: Automatic Speech Recognition with Word-Level Timestamps and···
phonon
开源
量化语音识别模型，一条命令本地转写
Phonon: open speech recognition models (Phonon-2, Phonon-1) — CLI, CPU and CUDA ima···
web-speech-cognitive-services
开源
用Azure服务补齐浏览器语音API，统一标准接入
Polyfill Web Speech API with Cognitive Services for both speech-to-text and text-to-···
efficientspeech
开源
让语音合成在CPU上也能实时跑起来
PyTorch code implementation of EfficientSpeech - to be presented at ICASSP2023.