Speech-and-Text 是语音识别领域的开源项目，由 Renovamen 开发，2019 年首次发布。
它收录于语音识别分类，该分类目前共有 212 个项目，GitHub 星标数为 341。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-08。
它主要面向的使用场景是：需要快速实现语音输入功能的桌面或嵌入式应用原型。同类可对比的替代方案包括 SpeechRecognition、Vosk、Whisper。
Speech-and-Text
一键集成多引擎，轻松实现语音转文字与文字转语音
这是一个用Python实现的语音与文本双向转换工具集，集成了多种主流语音识别引擎（PocketSphinx离线识别、百度API、科大讯飞API）和文字转语音引擎（pyttsx3）。项目旨在解决开发者在不同场景下快速接入语音功能的需求，提供统一的调用接口，屏蔽各API的差异。核心能力包括：离线语音识别（无需网络）、在线高精度识别（百度/讯飞）、文字转语音输出，以及简单的文件或麦克风输入处理。代码结构清晰，适合作为学习或二次开发的参考，尤其适合需要快速原型验证或轻量级语音应用的场景。项目处于早期阶段，功能相对基础，但覆盖了语音交互的基本链路。
开源
unknown
音频音乐
GitHub 星标
★ 341
维护状态
低维护
是否开源
是
定价模式
unknown
项目数据
分类音频音乐
开发团队Renovamen
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型speech-recognition,speech-to-text,text-to-speech
GitHub 星标★ 341
30天Star增速
HF 下载量
上线时间2019-04-15 00:00:00
最近更新2026-09-08 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 同时支持离线（PocketSphinx）和在线（百度/讯飞）识别，灵活适配不同网络环境
- 封装了多个API，统一调用方式，降低接入门槛
- 代码简洁，易于理解，适合学习或快速集成到Python项目中
不足之处
- 在线API需要申请密钥，配置稍显繁琐
- 文档/社区待观察
适用场景
- 需要快速实现语音输入功能的桌面或嵌入式应用原型
- 离线环境下的语音命令识别（如智能家居控制）
- 教育或演示场景，展示语音识别与合成的基本原理
替代项目
SpeechRecognition、Vosk、Whisper
项目介绍
上一篇：WhisperHallu
下一篇：deepgram-js-sdk
同类项目推荐
obs-localvocal
开源
直播录屏时，本地AI实时生成字幕，保护隐私零延迟
OBS plugin for local speech recognition and captioning using AI
LiveCaptions-Translator
开源
实时捕获系统音频，一键翻译成你懂的语言
Lightweight and powerful real-time audio/speech translation tool based on Windows Li···
speechbrain
开源
一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务
A PyTorch-based Speech Toolkit
whisper-diarization
开源
给语音转写加上说话人标签，会议记录一目了然
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper