语音识别

ten-turn-detection 开源 免费 仅开源

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，···

TranscriptionSuite 开源 可打开

本地跑语音转文字，隐私安全还带说话人分离

TranscriptionSuite 是一款完全本地运行的语音转文字桌面应用，支持 Windows、macOS 和 Linux。它解···

dabri 开源 免费 仅开源

Linux 上离线语音打字，说完即出文字，不联网。

Dabri 是一款面向 Linux 的原生语音转文字（STT）工具，基于 Go 语言开发，底层调用 whisper.cpp 实···

vocalinux 开源 免费 可打开

在 Linux 上说话就能打字，全程离线不联网

Vocalinux 是一款面向 Linux 桌面的免费开源离线语音听写工具，目标是在任何输入框中通过说话完成打···

onnx-asr 开源 免费 仅开源

几行代码用 ONNX 跑语音识别，不装重型框架

onnx-asr 是一个轻量级 Python 语音识别包，核心思路是让开发者直接加载 ONNX 格式的 ASR 模型完成···

TranscriptHub 开源 免费 仅开源

上传音频，自动出带时间戳的文字稿

TranscriptHub 是一个用 JavaScript 编写的开源语音转写工具，主要解决把音视频内容自动转成文字稿···

OmniDictate 开源 免费 仅开源

本地实时语音打字，隐私安全，直接输入任何应用。

OmniDictate 是一款免费开源的 Windows 实时听写工具，完全本地运行，无需云端，保护隐私。它利用 ···

MLC-SLM-Baseline 开源 免费 仅开源

多语言对话语音识别与说话人日志的官方基线，开箱即用

MLC-SLM-Baseline 是 INTERSPEECH 2025 多语言对话语音语言模型研讨会的官方基线系统，旨在为参与者···

easy-whisper-ui 开源 免费 仅开源

点点鼠标，把录音批量转成文字

easy-whisper-ui 是一个面向 Whisper 语音识别模型的图形化操作界面，用 TypeScript 开发，目标是让···

EasyMrcp 开源 免费 仅开源

用 Java 轻松接入多家语音识别与合成服务

EasyMrcp 是一个基于 Java 的语音识别（ASR）与语音合成（TTS）集成工具，旨在简化开发者对接多种语···

Llama-AVSR 开源 免费 仅开源

用大语言模型提升音视频语音识别准确率，解决复杂场景听不清问题

Llama-AVSR 是一个基于大型语言模型的音视频语音识别开源项目，提供了 ICASSP 2025 和 ICASSP 2026···

Handy 开源 免费 可打开

完全离线、免费开源的语音转文字工具，保护隐私，即开即用。

Handy 是一款免费、开源、可扩展的离线语音转文字应用，基于 Rust 和 Tauri v2 构建，支持跨平台运···

phonikud 开源 免费 可打开

给希伯来文本自动标音，让TTS发音更准

phonikud 是一个面向希伯来语的文本到音素（grapheme-to-phoneme, G2P）转换工具，相关论文已被 IN···

OpenSuperWhisper 开源 免费 仅开源

在 Mac 上实现高精度离线语音听写，提升文字输入效率。

OpenSuperWhisper 是一款专为 macOS 打造的语音听写应用，旨在提供高效、准确的语音转文字服务。它···

Hex 开源 可打开

在 Mac 上本地快速把语音变成文字，保护隐私又高效。

Hex 是一款专为 macOS 打造的语音转文字工具，基于 Swift 和 SwiftUI 构建，核心目标是实现从语音到···

FireRedASR 开源 免费 仅开源

中文方言和歌唱都能准确识别的开源ASR模型

FireRedASR 是一个开源的工业级自动语音识别（ASR）模型，主要面向中文普通话、中文方言和英语的语···

speech-to-phrase 开源 免费 仅开源

本地跑，只认你定义的短语，又快又准。

speech-to-phrase 是一个用 Python 编写的本地语音转文本项目，主打快速与个性化。它解决的是通用语···

sherpa-onnx-unity 开源 免费 仅开源

在Unity里离线搞定语音识别和合成，无需云服务

sherpa-onnx-unity 是 sherpa-onnx 的 Unity 集成项目，旨在将离线语音识别（ASR）和语音合成（TTS···

whisperIME 开源 免费 仅开源

说话即打字，本地识别不上传，任意App都能用

whisperIME 是一个基于 Whisper 语音识别模型的 Android 输入法（IME）。它把语音转文字能力直接集···

WhisperLiveKit 开源 免费 仅开源

本地实时语音转文字，兼容 OpenAI/Deepgram API，秒级部署

WhisperLiveKit 是一个实时、本地的语音转文字工具包，基于 OpenAI Whisper 模型，提供流式语音识别···

OpenWhisper 开源 免费+付费 可打开

本地跑 Whisper，语音秒变文字，隐私不出门

OpenWhisper 是一个本地优先的语音转文字工具，基于 Whisper 和 OpenAI API 实现听写与会议记录。它···

yt-transcriber 开源 免费 仅开源

丢个 YouTube 链接，直接拿转写、摘要和翻译

yt-transcriber 是一个命令行工具，输入 YouTube 视频链接即可自动下载音频并生成转写文本，可选进···

VoiceInk 开源 免费+付费 可打开

按快捷键说话，文字直接落到光标处

VoiceInk 是一款面向 macOS 的开源语音转文字应用，用 Swift 开发，定位为 Superwhisper、Wispr Fl···

moonshine 开源 可打开

超低延迟语音全家桶，让语音交互快人一步

Moonshine 是一个专为语音代理和语音界面设计的超低延迟语音工具包，集成了语音转文字（STT）、意图···