语音识别

LiveCaptions-Translator 开源 免费 仅开源

实时捕获系统音频，一键翻译成你懂的语言

LiveCaptions-Translator 是一款基于 Windows LiveCaptions 的轻量级实时音频/语音翻译工具。它利用···

wake-word-voice-assistants 开源 免费 待核验

照着配置烧录，自制本地唤醒语音助手

这是 ESPHome 官方的唤醒词语音助手示例与固件配置集合，面向想在 ESP32 等微控制器上搭建本地语音···

AudioNotes 开源 免费 仅开源

上传音视频，自动生成结构化 Markdown 笔记

AudioNotes 是一个基于 Python 的语音转文字笔记工具，旨在快速从音视频文件中提取内容并整理成结构···

home-assistant-voice-pe 开源 免费 可打开

官方语音硬件固件，本地唤醒直连智能家居

Home Assistant Voice PE 是 Home Assistant 官方推出的开源语音硬件固件项目，基于 ESP32 平台用 ···

SenseVoice 开源 免费 待核验

一个模型搞定多语言识别、情感和事件检测，开箱即用

SenseVoice 是阿里开源的语音基础模型，主打多语言语音识别（ASR），支持中文、粤语、英文、日语和···

StreamSpeech 开源 免费 仅开源

一个模型搞定语音识别、翻译和合成，离线同声两相宜

StreamSpeech 是一个“一体化”的无缝语音模型，同时支持离线与同声传译场景下的语音识别（ASR）、···

whisper-flow 开源 免费 仅开源

边说话边出字幕，把 Whisper 变成实时转写引擎

Whisper-Flow 是一个基于 OpenAI Whisper 模型的实时语音转写框架，专门解决传统 Whisper 只能整文···

DictateKeyboard 开源 不稳定

装上键盘，说话就变文字，任意 App 都能用

DictateKeyboard 是一款基于 Whisper AI 的 Android 输入法键盘，目标是让用户在任意 App 里直接通···

CrisperWhisper 开源 免费 仅开源

让 Whisper 转写更精确，词级时间戳和语气词全搞定

CrisperWhisper 是一个基于 OpenAI Whisper 的语音识别增强工具，专注于解决标准 Whisper 输出中时···

SmartSub 开源 免费 可打开

本地离线搞定字幕生成、翻译、配音和烧录，一站式高效处理

SmartSub 是一款免费开源的桌面端一站式字幕工具，主要解决视频创作者和翻译者在字幕生成、翻译、配···

speaches 开源 可打开

一键部署，即刻拥有 OpenAI 兼容的语音转文字服务

speaches 是一个基于 faster-whisper 构建的语音识别服务，提供与 OpenAI API 兼容的接口，支持实时···

ctc-forced-aligner 开源 免费 仅开源

用CTC模型把音频和文本对齐，秒出音素时间戳

ctc-forced-aligner 是一个基于 CTC 强制对齐的语音与文本对齐工具，主要解决语音识别和语音合成中···

whisply 开源 免费 仅开源

批量音视频一键转文字、翻译并生成字幕

whisply 是一个基于 OpenAI Whisper 的跨平台语音转写工具，同时提供命令行和图形界面。它解决的核···

txtify 开源 待核验

自托管把音视频一键转成带时间戳文字

txtify 是一个可自托管的 Web 应用，用 AI 把音频和视频文件转写成文字。它基于 FastAPI 构建后端，···

GigaAM 开源 免费 仅开源

开箱即用的俄语语音识别基础模型，快速集成高精度转写

GigaAM是一个面向语音识别任务的基础模型，旨在为俄语及其他语言的语音识别提供开箱即用的解决方案···

Transcribro 开源 免费 仅开源

离线语音键盘，说话即输入，录音不出手机

Transcribro 是一款面向 Android 的本地语音识别键盘与服务，用 Kotlin 与 Jetpack Compose 构建。···

ha-openai-whisper-stt-api 开源 免费 仅开源

把语音识别甩给云端，低配 Home Assistant 也能秒回话

ha-openai-whisper-stt-api 是一个面向 Home Assistant 的自定义集成（HACS 组件），把 OpenAI、Gr···

whisper-clip 开源 免费 仅开源

按一下按钮，说话自动变文字并进剪贴板

WhisperClip 是一个基于 OpenAI Whisper 的轻量级桌面工具，核心目标是让语音转文字变得像按一下按···

template-tiktok 开源 免费 已失效

本地 Whisper 自动生成 TikTok 动态字幕

template-tiktok 是一个基于 TypeScript 的开源模板，利用 Whisper.cpp 进行语音识别，自动生成 Ti···

BlahST 开源 免费 仅开源

在 Linux 任意窗口离线语音输入，并和本地大模型对话。

BlahST 是一个面向 Linux 桌面的语音输入与对话工具，基于 whisper.cpp 实现完全离线的语音转文字，···

argmax-oss-swift 开源 免费 仅开源

Mac 上离线跑语音 AI，不联网也能识别和配音

专为 Apple Silicon 打造的端侧语音 AI 框架，支持在设备本地运行语音识别与合成等模型，无需联网与···

ComfyUI-Whisper 开源 免费 仅开源

在 ComfyUI 里拖个节点，自动给视频加字幕

ComfyUI-Whisper 是一个将 OpenAI Whisper 语音识别能力集成到 ComfyUI 工作流中的开源节点插件。它···

fast-langdetect 开源 免费 仅开源

80倍加速语言检测，混合文本一键按语言拆分

fast-langdetect 是一个基于 FastText 的语言检测工具，旨在提供比原始 FastText 快 80 倍的检测速···

vibe 开源 免费 仅开源

本地录音秒变文字，隐私不泄露

vibe 是一款基于 OpenAI Whisper 的本地语音转文字桌面应用，支持 macOS、Windows 和 Linux。它解决···