语音识别

OpenMinutes 开源 免费 仅开源

录音笔音频一键转文字、自动归类，随时检索复盘

OpenMinutes 是一个面向录音笔场景的开源工作台，定位为 MemoTalk S1 录音的导入、转录、AI 归类与···

crisperwhisper-turkce-kelime-zamani 开源 免费 仅开源

4GB显存跑土耳其语逐字转写，带词级时间戳

该项目面向土耳其语语音转写场景，基于 CrisperWhisper 2.0 Turbo 模型，采用 CT2 int8 量化与 wav···

whistle-esp32 开源 免费 仅开源

按住说话，ESP32 离线识别七种语言颜色词并点亮 LED

whistle-esp32 是一个在 ESP32-S3 单片机上完全离线运行的语音识别演示项目。它把语音转文字模型压···

VoxPalm 开源 免费 仅开源

按住遥控器说话，松手文字就出现在光标处

VoxPalm 是一款面向 macOS 的按住说话听写工具，用 Swift 与 SwiftUI 编写，常驻菜单栏。它把电视遥···

Typeleast 开源 待核验

按快捷键说话，本地识别加大模型润色，直接写进光标处

Typeleast 是一款 macOS 与 Windows 11 上的本地语音输入工具：按下全局快捷键开始说话，音频在本机···

AudioScript 开源 免费 可打开

本地离线实时转写，屏幕浮窗看字幕

AudioScript 是一款用 Rust 编写的本地实时语音转写工具，目标是为会议、播客和影视内容提供离线字···

speakmore 开源 免费 可打开

按快捷键说话，文字直接进光标，模型自选还能全离线

SpeakMore 是一款免费开源的跨平台语音输入工具，支持 Mac 和 Windows，用说话代替打字。它解决的核···

simul-subtitle 开源 免费 仅开源

看日语英语视频直播，本地识别加自备模型，实时悬浮字幕

simul-subtitle 是一个用 Kotlin 编写的跨平台实时字幕工具，支持 Android、macOS 与 Windows。它面···

harfiyen 开源 不稳定

浏览器里离线转写土耳其语，边说边出字幕

harfiyen 是一个完全在浏览器本地运行的土耳其语语音识别与字幕生成工具。它解决的核心问题是：土耳···

betterwispr 开源 免费 可打开

按住快捷键说话，文字直接打进任意 Mac 应用

betterwispr 是一款面向 macOS 的免费开源本地听写工具，定位为 Wispr Flow 的开源替代品。它解决的···

no-tipe-releases 开源 免费+付费 可打开

开口说话就能往任意应用里打字，本地云端都行

no-tipe-releases 是一款面向 macOS 和 Windows 的免费桌面听写工具，目标是让用户不再手动打字，而···

voicekey 开源 免费 仅开源

按住或点按快捷键，说话即变文字输入到 Mac 任意应用

voicekey 是一款 macOS 语音听写工具，用 Swift 编写，提供按住说话和点按说话两种交互方式，把语音···

oido 开源 可打开

5美元芯片上跑离线语音识别，不用联网不用NPU

Oído 是一个面向极低资源硬件的开源语音识别引擎，目标是在售价约 5 美元的 ESP32-S3 单片机上实现···

speech.cpp 开源 免费 仅开源

一个 C++ 库跑通语音识别、合成和 VAD，本地部署开箱即用

speech.cpp 是一个基于 ggml 的 C++ 语音全栈工具库，把语音合成、语音识别和语音活动检测（VAD）整···

blurt 开源 免费 不稳定

按住说话，把语音和屏幕内容直接喂给终端 Agent

blurt 是一款面向 AI Agent 时代的 macOS 输入法工具，用 Swift 编写。它把语音听写、屏幕文字提取···

Audio8-ASR-Infinite 开源 免费 仅开源

几小时录音丢进去，一口气转成文字

Audio8-ASR-Infinite 是一个基于 Python 的开源语音识别项目，主打长音频、近似无限时长的连续转写···

dasheng 开源 免费 仅开源

开口读英文，逐词判对错，立刻出评分

dasheng（大声读）是一个面向英文朗读练习的开源评分工具，核心思路是把语音识别与逐词判定结合起来···

jev-voice 开源 免费 仅开源

说句话就能操控 Mac，本地识别不上传

jev-voice 是一个让 Mac 用户用语音操控电脑的开源工具。它把本地语音识别（whisper.cpp）和 macOS···

phorminx 开源 可打开

本地跑语音转文字，会议听写不上传，隐私自己掌控

Phorminx 是一款面向 Windows 的本地优先语音转写桌面应用，用 Rust 编写。它解决的核心问题是：市···

opensubs 开源 可打开

视频不出本机，浏览器里直接转写、翻译并烧录字幕

opensubs 是一个本地优先的视频字幕工具，目标是不上传视频就能给任意视频生成字幕。它把语音识别、···

orukeet 开源 免费 仅开源

冻结 Gabor 核做多语言语音转文字，本地 GGUF 推理

orukeet 是一个多语言自动语音识别（ASR）开源项目，核心创新在于用「拟合后冻结的 Gabor 卷积核」···

Confucius4-R2T2 开源 免费 仅开源

边说边转文字，低延迟还不掉准确率

Confucius4-R2T2 是一个面向实时场景的语音识别开源模型，主打低延迟与高准确率的平衡。它解决的是···

phonon 开源 免费 仅开源

量化语音识别模型，一条命令本地转写

Phonon 是一个开源语音识别模型项目，提供 Phonon-2 和 Phonon-1 两代模型，主打低比特量化与多硬件···

hayamimi 开源 免费 仅开源

纯CPU实时多语言字幕，本地跑不用GPU和云

hayamimi（早耳）是一个纯 CPU 运行的实时多语言语音转文字工具，基于 sherpa-onnx 实现，无需 GPU···