语音识别

curses 开源

把语音和键盘输入实时变成字幕，推送到 OBS、VRChat 等平台。

curses 是一个基于 Tauri 和 TypeScript 构建的桌面应用，专注于为 OBS、VRChat、Twitch 聊天和 Di···

whispering 开源

说话即出字幕，VRChat 和直播叠加一键同步

Whispering（又名 Whispering Tiger）是一个基于 Python 的实时语音转写与翻译工具，核心使用 Open···

WAAS 开源

上传音视频，排队自动转文字，还能调 API

WAAS（Whisper as a Service）把 OpenAI Whisper 语音识别模型封装成带队列的后端服务，同时提供 W···

LiveWhisper 开源

让 Whisper 实时出字，终端语音输入即说即显

LiveWhisper 是一个基于 OpenAI Whisper 的近乎实时语音转文字工具，通过 sounddevice 捕获麦克风音···

tg_bot_stt_tts 开源

让 Telegram 语音秒变文字，文字也能开口说话

这是一个基于 Python 的 Telegram 机器人，核心功能是语音消息的识别与生成，即语音转文字（STT）和···

whisper-website 开源

上传音频，浏览器里直接出字幕文件

whisper-website 是一个可自托管的轻量 Web 应用，把 OpenAI 的 Whisper 语音识别模型封装成浏览器···

whisper.cpp 开源

在 CPU 上极速运行 Whisper，离线语音转文字不求人

whisper.cpp 是 OpenAI 的 Whisper 语音识别模型的高性能 C/C++ 移植版。它解决了 Whisper 原始 Py···

whisper-auto-transcribe 开源

拖入音频，自动出文字，无需命令行

这是一个基于 OpenAI Whisper 的自动音频转写工具，旨在提供简单易用的语音转文本解决方案。它解决···

buzz 开源

离线拖拽音频，秒变文字和字幕，隐私不泄露

Buzz 是一款运行在个人电脑上的离线语音识别与翻译工具，基于 OpenAI 的 Whisper 模型。它能够将音···

whisper-asr-webservice 开源

一行命令部署Whisper语音转文字API，快速集成到你的应用

这是一个基于OpenAI Whisper的语音识别Web服务，将Whisper模型封装成易于调用的API接口。它解决了开···

whisper 开源

音频丢进去，多语言文字直接出来

Whisper 是 OpenAI 开源的通用语音识别模型，基于大规模弱监督数据训练，主打多语言、抗噪、无需微···

sherpa-onnx 开源

离线搞定语音识别与合成，支持多端多语言

sherpa-onnx 是一个基于下一代 Kaldi 和 ONNX Runtime 的语音处理工具包，专注于离线场景下的语音识···

mimiuchi 开源

在 VR 里动嘴就能打字，语音秒变文字发给任意应用

mimiuchi 是一个免费、可定制、支持 OSC 的语音转文字界面，旨在将语音识别结果实时转发到不同类型···

crx-live-translate 开源

给任意网页直播实时加双语字幕，免费看外语直播

crx-live-translate 是一款 Chrome/Edge 浏览器扩展，用于给任意网页中的直播音频或视频流实时生成···

AuxiliaryASR 开源

给语音合成和转换提供精准的文本-音频对齐工具

AuxiliaryASR 是一个面向语音转换和语音合成场景的辅助语音识别工具，核心解决文本与语音帧的自动对···

sherpa 开源

用下一代 Kaldi 快速搭建高性能语音转写服务

sherpa 是一个基于下一代 Kaldi 的语音识别服务端框架，用 C++ 实现，提供端到端的语音转文字能力。···

timething 开源

让文本转录自动匹配音频时间轴，精准定位每一句话。

Timething 是一个用于将文本转录与音频录音进行对齐的开源库。它解决的核心问题是，在语音识别或音···

deepgram-go-sdk 开源

Go 语言接入 Deepgram，快速实现语音转写与合成

deepgram-go-sdk 是 Deepgram 语音 AI 平台的官方 Go 语言开发工具包，用于将语音识别（ASR）、语音···

efficientspeech 开源

让语音合成在CPU上也能实时跑起来

EfficientSpeech 是一个基于 PyTorch 的轻量级语音合成（TTS）模型实现，相关论文发表于 ICASSP 20···

SpeechPrompt 开源

用提示学习统一搞定多种语音任务，无需重训模型

SpeechPrompt 是 Interspeech 2022 论文的官方实现，探索将提示学习（Prompt Tuning）应用于生成式···

deepgram-dotnet-sdk 开源

在 .NET 项目中快速接入 Deepgram 语音识别与合成，实现语音交互。

deepgram-dotnet-sdk 是 Deepgram 官方推出的 .NET 客户端库，用于在 C# 应用中集成 Deepgram 的语···

Maix-Speech 开源

在嵌入式设备上快速跑起语音识别和合成

Maix-Speech 是一个专为嵌入式设备设计的轻量级语音 AI 库，旨在解决资源受限设备上运行语音识别（···

cobra 开源

本地实时判断有没有人说话，省算力又护隐私

Cobra 是一个基于深度学习的设备端语音活动检测（VAD）工具，由 Picovoice 开源。它解决的核心问题···

deepgram-python-sdk 开源

Python 接入 Deepgram 语音 AI，几行代码实现语音转文字/文字转语音

Deepgram 的官方 Python SDK，用于快速集成 Deepgram 的语音 AI 服务。它解决了开发者在 Python 应···