语音识别

SpeakSlow 开源 免费 仅开源

按住说话，中文直接落到光标处

SpeakSlow（聲聲慢）是一款专为中文打造的本地语音输入工具，基于 Electron 与 sherpa-onnx 离线语···

myna 开源 免费 仅开源

Ubuntu 上按快捷键说话，文字直接落到光标处

Myna 是一款面向 Ubuntu 桌面环境的轻量级语音转文字应用，使用 Rust 编写。它解决的核心问题是：在···

subarr 开源 免费 仅开源

给 *arr 字幕栈加语言校准和源排行榜，少下错字幕

subarr 是一个面向 *arr 家庭媒体自动化生态的协调、测量与质量层，定位为 subgen 的补充服务。它解···

OctoASR 开源 免费 仅开源

几行 Python 把音频转成文字，快速搭语音识别原型

OctoASR 是一个基于 Python 的开源语音识别项目，目标是提供一套开箱即用的自动语音识别（ASR）工具···

VoiceFlow 开源 免费 仅开源

按快捷键就说话，光标处直接出字，全程离线不上传

VoiceFlow 是一款面向 Windows 的离线语音输入工具，核心解决在任意应用里快速把口述内容变成文字的···

asryx 开源 免费 仅开源

2MB 无依赖，Linux 上即开即用的离线语音识别

asryx 是一个面向 Linux 的极简语音识别守护进程替代方案，用纯 C++23 编写，编译后体积约 2.1MB，···

blitztext-app 开源 免费 仅开源

按一下说话，松手文字就出现在光标处

blitztext-app 是一个实验性的开源 macOS 菜单栏应用，专注语音转文字工作流。它常驻系统菜单栏，用···

yapsnap 开源 免费 仅开源

一条命令，把视频音频转成文字，不用显卡不用云

yapsnap 是一个纯 CPU 运行的语音转文字命令行工具，能把任意视频链接或本地音视频文件转成纯文本，···

saa-sdk 开源 不稳定

在转写前先判断这句话是不是对你说的，减少误触发

saa-sdk 是一个面向语音智能体的「受话人检测」Python 库，核心是在语音转文字（STT）之前先判断一···

Mega-ASR 开源 免费 仅开源

野外场景语音识别不掉链子，比SOTA最多强30%

Mega-ASR 是一个面向真实世界场景的语音识别基础模型，旨在解决传统 ASR 在复杂声学环境下性能骤降···

MOSS-Transcribe-Diarize 开源 免费 仅开源

0.9B 模型搞定 50+ 语言长音频转写、说话人分离和字幕生成

MOSS-Transcribe-Diarize 是一个轻量级（0.9B 参数）的多语言长语音转写与说话人分离模型，支持 50···

haoone-app 开源 可打开

本地跑 AI 字幕，转录对齐说话人一步到位

haoone-app 是一款面向视频创作者与字幕工作者的本地 AI 字幕软件，目标是替代剪映、ElevenLabs 等···

SayIt 开源 免费 可打开

按快捷键说话，AI润色文字直接落到光标处

SayIt 是一款面向 Windows 的开源语音输入工具，定位为 Wispr Flow / Superwhisper 的替代品。按下···

whisper-local 开源 免费 不稳定

按住热键说话，本地秒出文字，不联网不订阅

whisper-local 是一个面向 Windows 和 macOS 的免费开源离线语音听写工具，定位为 Wispr Flow 和 D···

moshi-rag 开源 免费 仅开源

边聊边查，语音对话不再瞎编

moshi-rag 是一个基于 Rust 实现的全双工语音语言模型项目，核心思路是在 Moshi 这类可实时双向对话···

openless 开源 免费 仅开源

按住说话，松开即得润色文字，全应用通用

openless 是一款开源的跨平台语音输入工具，支持 macOS 和 Windows。它解决了在任意应用中快速、高···

heard 开源 免费 仅开源

对着电脑说句话，AI 编程助手就能听懂并回你

heard 是一个为编码智能体（coding agents）打造的语音交互层，定位是「AI 编程助手的 Jarvis」。它···

dotty-stackchan 开源 免费 仅开源

让 StackChan 离线对话，语音不出家门

dotty-stackchan 是一套面向 M5Stack StackChan 桌面机器人的自托管语音助手方案。StackChan 本身是···

MiMo-V2.5-ASR 开源 免费 仅开源

多语言方言嘈杂环境也能转写的语音识别模型

MiMo-V2.5-ASR 是一个面向多语言、多方言和复杂声学场景的开源语音识别项目，使用 Python 实现。它···

docker-whisper 开源 免费 仅开源

一条命令自建 OpenAI 兼容语音转文字服务，带说话人分离

docker-whisper 是一个把 Whisper 语音识别服务打包成 Docker 镜像的开源项目，目标是让用户在自己···

transcribe.cpp 开源 免费 仅开源

本地跑 16 种语音识别模型，离线转文字又快又省

transcribe.cpp 是一个基于 ggml 的语音识别推理库，支持 16 种以上主流 ASR 模型家族的本地部署。···

kesha-voice-kit 开源 免费 仅开源

让工具开口说话，本地语音快 19 倍

kesha-voice-kit 是一个本地优先的语音工具包，为开发者的工具链赋予语音能力。它支持语音转文字和···

doubao-murmur 开源 免费 仅开源

按一下就说，说完字就出现在光标处

doubao-murmur 是一个极简的全局语音输入工具，调用豆包 Web 端语音识别能力，把说话内容实时转成文···

CrispASR 开源 免费 仅开源

C++ 本地跑多款语音模型，离线转录不用 Python

CrispASR 是一个基于 C++ 和 ggml 推理框架的语音识别与合成运行时中心，目标是把多种主流开源 ASR···