语音识别

voicekey 开源

按一个键说话，文字自动出现在光标处

voicekey 是一个基于 Electron + React 的桌面语音输入工具，主打“按一个键就能把说的话变成文字”···

Fun-ASR 开源

用大模型听懂中文方言，多语言流式识别一键部署

Fun-ASR 是一个基于大语言模型的开源语音识别（ASR）模型家族，专注于中文、方言、口音及多语言场景···

go-speech 开源

Go 语言一键集成语音合成与识别，离线可用

go-speech 是一个基于 Golang 和 ONNX 运行时构建的轻量级语音处理库，专注于为 Go 开发者提供开箱···

whisper-subs 开源

Jellyfin 本地自动生成字幕，音频不出服务器

whisper-subs 是一个 Jellyfin 媒体服务器插件，用本地 Whisper 模型为视频自动生成字幕，所有音频···

voxtype 开源

按住说话，松手出字，Wayland 离线听写

voxtype 是一款面向 Linux Wayland 桌面的离线语音转文字工具，用 Rust 编写。它解决的核心问题是：···

ostt 开源

按热键说话，终端里直接出文字并喂给AI或shell

ostt 是一款面向终端用户的语音转文字工具，用 Rust 编写，主打在命令行环境中完成录音、转写与后续···

parakeet-rs 开源

Rust 本地跑 NVIDIA Parakeet，CPU 也能极速语音转写与说话人分离

parakeet-rs 是一个用 Rust 编写的语音识别工具库，基于 NVIDIA Parakeet 系列模型（通过 ONNX 运行···

vocotype-cli 开源

按快捷键说话，文字自动输入到当前应用，本地运行不上传。

VocoType 是一款本地端侧运行的隐私安全语音输入工具，通过全局快捷键即可将语音实时转成文字并自动···

murmure 开源

本地离线语音转文字，LLM 润色，隐私安全跨平台

murmure 是一个完全本地化、注重隐私的跨平台语音转文字工具，并集成 LLM 后处理能力。它解决的是语···

BiBi-Keyboard 开源

说话即打字，LLM 智能润色，让语音输入更懂你

BiBi Keyboard（说点啥）是一款基于 Kotlin 开发的 Android 语音输入法键盘应用，将 LLM 与 ASR 技···

nanowakeword 开源

少量数据训练自定义唤醒词，本地离线跑

nanowakeword 是一个轻量级唤醒词检测引擎，用 Python 实现，目标是让开发者用很少的数据和精力训练···

FunSpeech 开源

本地一键部署语音识别与合成，秒级搭建私有语音服务

FunSpeech 是一个面向本地私有化部署的语音服务工具，旨在简化语音识别（ASR）和语音合成（TTS）后···

hyprwhspr 开源

Linux 全局语音听写，按快捷键说话就出字

hyprwhspr 是一款面向 Linux 的原生语音转文字工具，目标是提供系统级、快速、准确且注重隐私的听写···

bournemouth-forced-aligner 开源

一键提取语音音素时间戳，助力精准语音分析

这是一个用于语音音频的强制对齐工具，能够自动提取音素级别的时间戳。它解决了语音处理中需要精确···

VivaDicta 开源

说话即笔记，AI 帮你聊出答案

VivaDicta 是一款面向 iOS 和 watchOS 的语音转文字应用，集成了 AI 语音键盘、设备端 RAG 和笔记对···

whisper-shortcut 开源

菜单栏一键语音，转文字、控剪贴板、AI 对话全搞定

whisper-shortcut 是一款面向 macOS 的菜单栏应用，主打语音优先的交互体验。它解决的是在 Mac 上快···

hns 开源

对着麦克风说话，文字自动进剪贴板，随手粘进终端。

hns 是一个基于 Python 的命令行语音转文字工具，核心思路是把麦克风输入的语音实时转写为文本并直···

whisperIMEplus 开源

安卓任意输入框，离线语音直接打字

whisperIMEplus 是一个基于 Whisper 语音识别模型的 Android 输入法（IME）项目，代码源自 RTransl···

openwhispr 开源

本地优先的语音转文字，隐私不妥协，跨平台即装即用。

openwhispr 是一款开源的语音转文字听写应用，主打隐私优先和跨平台支持。它解决了用户在使用语音输···

AuralKit 开源

几行 Swift 代码，让 App 实时把语音变成文字

AuralKit 是一个面向 Apple 平台的 Swift Package，封装 iOS 26 与 macOS 26 新引入的 SpeechAnaly···

unmute 开源

给文本 LLM 装上耳朵和嘴巴，秒变语音助手

unmute 是一个让文本大模型获得语音输入和语音输出能力的开源工具，核心目标是把原本只能处理文字的···

auto-caption 开源

开麦即出字幕，会议直播网课实时上屏

auto-caption 是一款基于 Electron 与 Python 构建的跨平台实时字幕显示软件，核心目标是把麦克风或···

amical 开源

动嘴不动手，本地 AI 听写让你打字快 3 倍

amical 是一款本地优先的开源 AI 听写应用，旨在让用户摆脱键盘，通过语音实现 3 倍速的文字输入。···

ten-turn-detection 开源

实时判断对话转折点，让AI插话自然不尴尬

ten-turn-detection 是一个用于全双工对话通信的转折点检测开源模型。它解决的是在实时语音对话中，···