whisperX-FastAPI
上传音频，直接拿到带时间戳和说话人标签的转写接口
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 2026-09-23 · 当前星标 ★ 188
技术标签
核心亮点
- 在 WhisperX 基础上直接提供 HTTP 接口，省去自己封装模型加载与推理调度
- 输出包含词级时间戳和说话人分离结果，比裸 Whisper 更适合做字幕和会议记录
- 基于 FastAPI，自带交互式文档，接口定义清晰，便于接入现有后端
不足之处
- 星标数较少，属于早期项目，生产环境稳定性与长期维护待观察
- 依赖 WhisperX 和模型权重，部署时对显存和镜像体积要求较高
适用场景
- 为会议录音生成带说话人区分的转写文本
- 给视频批量生成带时间戳的字幕文件
- 在自有应用后端集成语音转文字能力，避免直接调用闭源 API
替代项目
whisper-asr-webservice、whisper.cpp、faster-whisper
上一篇：whisperIME
下一篇：whisper.rn
同类项目推荐
oido
开源
5美元芯片上跑离线语音识别，不用联网不用NPU
Oído: open-vocabulary speech recognition on a $5 ESP32-S3, faster than real time. N···
myG2P
开源
把缅甸语文字变音素，让语音识别和合成更准。
Myanmar (Burmese) Language Grapheme to Phoneme (myG2P) Conversion Dictionary for spe···
OSSSpeechKit
开源
几行 Swift 代码，让 iOS 应用轻松拥有语音识别与合成能力。
OSSSpeechKit offers a native iOS Speech wrapper for AVFoundation and Apple's Speech.
vibe
开源
本地录音秒变文字，隐私不泄露
Transcribe on your own!
SuperDictate
开源
Mac 上本地极速听写，语音不出设备
Fast, private, local dictation for Apple Silicon Macs.
web-voice-processor
开源
浏览器麦克风音频一键转 16kHz PCM，直喂语音识别
A library for real-time voice processing in web browsers
OBS-captions-plugin
开源
OBS 直播自动生成实时字幕，静音观众也能看懂
Closed Captioning OBS plugin using Google Speech Recognition
TextNormalizationCoveringGrammar···
开源
用覆盖文法搞定英文俄文文本规范化，让语音更自然
Covering grammars for English and Russian text normalization
wav2letter
开源
用 C++ 打造高性能端到端语音识别，训练推理快人一步。
Facebook AI Research's Automatic Speech Recognition Toolkit