一键部署，即刻拥有 OpenAI 兼容的语音转文字服务
speaches 是一个基于 faster-whisper 构建的语音识别服务，提供与 OpenAI API 兼容的接口，支持实时转录、文件转录和翻译功能。它解决了开发者需要快速集成语音转文字能力但不想从零搭建基础设施的问题。核心能力包括：通过 Docker 一键部署，提供 REST API 和 WebSocket 实时流式转录，支持多种音频格式，并针对 CPU/GPU 进行了性能优化。项目采用 Python 编写，利用 faster-whisper 的加速推理，在保证准确率的同时显著降低延迟。它还支持自定义模型和热词调整，方便针对特定领域优化。speaches 适合需要自托管语音识别服务的场景，如会议记录、客服质检、字幕生成等，尤其适合对数据隐私有要求或希望控制成本的企业用户。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1查阅官方文档
README 本身未给出安装命令，安装与使用说明统一放在官网文档，先打开文档确认部署方式。
2克隆项目仓库
从 GitHub 获取源码，方便查看仓库内的完整说明与部署相关文件。
git clone https://github.com/speaches-ai/speaches.git3进入项目目录
切换到仓库目录，按仓库与官网文档中的指引选择 Docker 或本地方式启动服务。
cd speaches用兼容 OpenAI API 的客户端指向服务地址发起一次调用，能返回转录或合成结果即为成功。
Q：必须使用 OpenAI 官方的 SDK 吗？
A：不必须。项目兼容 OpenAI API，凡是能与 OpenAI API 配合的工具和 SDK 理论上都可以直接对接。
Q：模型需要提前下载好吗？
A：不需要。在请求中指定想用的模型即可自动加载，空闲一段时间后会自动卸载释放资源。
Q：支持实时流式转录吗？
A：支持。转录结果通过 SSE 随音频边转写边推送，不必等整段音频处理完才能看到结果。
Q：支持哪些功能？
A：支持语音转文字（转录）、翻译、文本转语音，以及音频进音频出的语音到语音交互。
Q：能在没有 GPU 的机器上跑吗？
A：可以。项目同时支持 GPU 与 CPU，具体选用哪种镜像或配置需以官网文档为准。
whisper.cpp、faster-whisper-server、LocalAI
speaches 是语音识别领域的开源项目，由 speaches-ai 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（3,676）位列前 30%，在语音识别分类中处于中上游。
近 42 天，它的 GitHub 星标从 3,583 增加到 3,676，净增 93。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。
它主要面向的使用场景是：自托管语音转文字API，替代云端服务。同类可对比的替代方案包括 whisper.cpp、faster-whisper-server、LocalAI。
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