语音识别

transcribe-anything 开源

一条命令把本地或在线音视频转成文字和字幕

transcribe-anything 是一个基于 Whisper 的多后端语音转文字工具，目标是让本地音视频转写变得又快···

deepgram-js-sdk 开源

几行代码接入 Deepgram 语音识别与合成，实时语音应用快速落地。

Deepgram 官方 JavaScript SDK，用于在浏览器和 Node.js 环境中集成 Deepgram 的语音 AI 服务。它解···

simple-obs-stt 开源

直播时自动生成实时字幕，直接叠加到 OBS 画面

simple-obs-stt 是一个为 OBS 直播和录播场景设计的实时字幕工具，它通过语音识别（STT）将麦克风或···

klaam 开源

一站式搞定阿拉伯语语音识别、分类与合成

klaam 是一个专注于阿拉伯语语音处理的开源工具包，集语音识别、语音分类和文本转语音于一体。它解···

wenet 开源

开箱即用的生产级语音识别，从训练到部署一步到位

WeNet 是一个面向生产环境的端到端语音识别工具包，旨在解决学术模型与工业部署之间的鸿沟。它基于···

MASR 开源

一个框架搞定流式+非流式语音识别，训练部署都省心

MASR是一个基于Pytorch的自动语音识别（ASR）框架，专注于流式与非流式识别，兼顾在线和离线场景。···

FastSpeech2 开源

用 PyTorch 快速上手并行语音合成，告别慢速自回归

FastSpeech2 是一个基于 PyTorch 实现的端到端文本转语音（TTS）模型，源自微软提出的非自回归语音···

spokestack-python 开源

在嵌入式设备上快速集成离线语音交互，无需云端依赖。

Spokestack-python 是一个为 Python 应用提供语音界面能力的开源库，尤其专注于嵌入式系统。它解决···

speech-recognition-uk 开源

让乌克兰语应用轻松拥有语音识别和合成能力

这是一个面向乌克兰语的开源语音识别与合成工具包，旨在解决乌克兰语在主流语音技术中支持不足的问···

jetson-voice 开源

在Jetson上快速实现语音识别与合成，边缘AI语音落地利器

jetson-voice 是一个专为 NVIDIA Jetson 平台设计的深度学习推理库，专注于语音相关任务，涵盖自动···

speechbrain 开源

一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务

SpeechBrain 是一个基于 PyTorch 的开源语音工具包，旨在为语音识别、说话人识别、语音增强、语音分···

leopard 开源

本地离线把语音转成文字，不联网也能用

Leopard 是 Picovoice 推出的端侧语音转文字引擎，基于深度学习实现完全离线的自动语音识别。它解决···

athena 开源

用 C++ 打造端到端语音识别与合成引擎

Athena 是一个基于序列到序列（seq2seq）架构的开源语音处理引擎，专注于语音识别（ASR）和语音合成···

botium-speech-processing 开源

让语音应用自动化测试像聊天测试一样简单，打通STT/TTS全链路

Botium Speech Processing 是一个用于语音处理测试的开源工具集，隶属于 Botium 测试框架生态。它主···

yandex-speechkit-lib-python 开源

几行代码接入 Yandex 语音识别与合成，快速构建语音应用

这是一个用于调用 Yandex Speechkit API 的 Python SDK，帮助开发者快速集成 Yandex 云平台的语音识···

vosk-api 开源

离线语音识别，不用联网，隐私安全，本地秒转文字

vosk-api 是一个离线语音识别 API，支持 Android、iOS、Raspberry Pi 和服务器端，提供 Python、Ja···

web-voice-processor 开源

浏览器麦克风音频一键转 16kHz PCM，直喂语音识别

web-voice-processor 是一个面向浏览器端的实时语音处理库，用 TypeScript 编写。它解决的核心问题···

OSSSpeechKit 开源

几行 Swift 代码，让 iOS 应用轻松拥有语音识别与合成能力。

OSSSpeechKit 是一个面向 iOS 开发者的原生语音工具包，基于 AVFoundation 和 Apple 的 Speech 框架···

Speech-and-Text 开源

一键集成多引擎，轻松实现语音转文字与文字转语音

这是一个用Python实现的语音与文本双向转换工具集，集成了多种主流语音识别引擎（PocketSphinx离线···

kaldi-active-grammar 开源

解码中随时切换语法，让语音命令和听写自由混用

kaldi-active-grammar 是一个基于 Kaldi 的 Python 语音识别封装，核心创新在于支持在解码过程中动···

TranscriberBot 开源

把 Telegram 语音秒变文字，会议记录不用愁

TranscriberBot 是一个基于 Python 的 Telegram 对话助手，专门用于将语音消息转录为文本。它解决了···

awesome-diarization 开源

一站式找全说话人日志论文、代码和数据集，快速上手

这是一个精选的说话人日志（Speaker Diarization）资源列表，汇集了相关的论文、库、数据集和其他资···

cheetah 开源

在设备上实时把语音转文字，离线低延迟还保护隐私

Cheetah是一个基于深度学习的端侧流式语音转文本引擎，专注于在设备本地实时处理语音识别任务。它解···

mrcp-plugin-with-freeswitch 开源

用手机打电话，AI自动听懂并回复，快速搭建语音呼叫中心。

这是一个将FreeSWITCH与UniMRCP Server集成，并接入讯飞开放平台（xfyun）插件的开源项目。它解决了···