speech-recognition 第 2 页
本站收录 251 个带「speech-recognition」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 6 页）
CrisperWhisperCrisperWhisper 是一个基于 OpenAI Whisper 的语音识别增强工具，专注于解决标准 Whisper 输出中时间戳不精确和缺少语气词（如“★ 1,457
mlx-tunemlx-tune 是一个专为 Apple Silicon Mac 设计的 LLM 微调工具，基于 MLX 框架原生运行，让开发者无需云端 GPU 即可在本地完成★ 1,444
J.A.R.V.I.SJ.A.R.V.I.S 是一个基于 Python 的个人语音助手项目，灵感来源于钢铁侠的 AI 管家。它旨在通过语音命令简化日常任务，解决用户在多设备间切换、手★ 1,423
DragonfireDragonfire 是一款面向 Ubuntu 等 Linux 发行版的开源虚拟助手，基于 Python 构建，旨在提供本地化的语音交互和智能应答能力。它解决了★ 1,410
open-speech-corpora这是一个收录可公开获取的语音语料库的清单项目，旨在为语音技术研究与开发提供资源导航。它系统整理了用于自动语音识别（ASR）、语音合成（TTS）、语音情感识别、语★ 1,409
whisper-ctranslate2whisper-ctranslate2 是一个基于 CTranslate2 推理引擎的 Whisper 命令行客户端，接口与 OpenAI 官方 whisper★ 1,365
prunaPruna 是一个面向开发者的模型优化框架，旨在以最小的工作量让 AI 模型运行得更快、更高效。它主要解决深度学习模型在推理阶段的性能瓶颈问题，通过组合多种优化★ 1,324
StreamSpeechStreamSpeech 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）、语音翻译和语音合成。它解决了传统级联系统延迟高、错误★ 1,294
speech-swiftspeech-swift 是一个专为 Apple Silicon 设备打造的 AI 语音工具包，基于 MLX 和 CoreML 框架，提供端侧语音识别（ASR）★ 1,241
lottilotti 是一款带个人 AI 助理团队的私密日志应用。它解决的是“记录后缺乏跟进”的问题：AI 代理会读取你记录的内容，主动建议下一步行动，但所有变更需你批准★ 1,199
Foundation-Models-Framework-Lab这是一个基于 Apple 新发布的 Foundation Models 框架的实战实验室，旨在帮助开发者快速上手构建、测试和评估基于 Apple 基础模型的应用★ 1,189
lhotseLhotse 是面向语音与多模态机器学习的 Python 数据工具库，重点解决训练数据准备和加载环节的工程复杂度。它把音频、文本、特征等异构数据统一抽象成可序列★ 1,160
Irene-Voice-AssistantIrene-Voice-Assistant 是一个用 Python 编写的俄语离线语音助手，名为伊琳娜。它旨在解决用户在无网络环境下使用语音交互的需求，核心能力★ 1,159
alan-sdk-cordovaAlan AI SDK for Cordova 是一个将对话式 AI 助手集成到 Cordova 应用中的开发工具包。它解决了移动应用内缺乏自然语言交互能力的问★ 1,130
AI-Waifu-VtuberAI-Waifu-Vtuber 是一个面向直播场景的开源虚拟主播解决方案，旨在让创作者通过 AI 驱动的二次元角色在 YouTube 或 Twitch 上实时互★ 1,119
StoryToolkitAIStoryToolkitAI 是一款面向视频剪辑师和电影制作人的 AI 辅助编辑工具，它通过自动转录视频/音频内容，并结合 ChatGPT 等大语言模型，让用户★ 1,048
TensorFlowASRTensorFlowASR 是一个基于 TensorFlow 2 的开源端到端语音识别工具箱，目标是在 TensorFlow 生态中提供接近当前最优（Almos★ 1,015
sherpasherpa 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。它解决了传统语音识别系统部署复杂、实时性差的问题★ 1,011
Jarvis-Desktop-Voice-AssistantJarvis-Desktop-Voice-Assistant 是一个基于 Python 的桌面语音助手，目标是把语音识别、文本转语音和系统级命令执行整合到一个本★ 1,005
athenaAthena 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（TTS）两大核心任务。它采用 C++ 实现，提供★ 965
audio-ai-hub音频 AI 研究一站式导航，系统汇集论文、开源模型、基准测试与数据集，覆盖音频大模型、语音识别、TTS、音乐与音频生成等领域，是音频 AI 研究者与工程师快速了★ 962
vocalinuxVocalinux 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字。它基于 whisper.cpp、OpenAI ★ 952
whisper.netWhisper.net 是 OpenAI Whisper 语音识别模型的 .NET 封装库，让 C# 开发者无需直接处理底层推理代码，就能在应用中集成语音转文字★ 950
TheWhisperTheWhisper 是对 OpenAI Whisper 语音识别模型的工程化优化版本，专注于流式识别和端侧部署两大场景。原版 Whisper 虽然识别准确率高★ 903
local-talking-llm这是一个完全本地运行的语音对话助手，无需联网即可与大型语言模型进行语音交互。它解决了云端语音助手依赖网络、隐私易泄露的问题，将语音识别、大模型推理和语音合成全部★ 896
GigaAMGigaAM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。它解决了传统语音识别系统需要大量标注数据和复杂训练流程的问题★ 873
LiveTranslateLiveTranslate 是一款面向 Windows 平台的实时音频翻译工具，主要解决 VTuber、主播和外语内容观众在直播或观看视频时面临的跨语言沟通障碍★ 840
TTS-Voice-WizardTTS-Voice-Wizard 是一个面向 VRChat 和 VTuber 的语音转文字再转语音（STTTS）工具。它解决的是虚拟形象无法实时显示说话内容、无★ 812
lobe-ttsLobe TTS 是一个基于 TypeScript 的高质量、可靠的语音合成（TTS）与语音识别（STT）库，专为服务端和浏览器环境设计。它解决了开发者在集成语★ 807
whisper.rnwhisper.rn 是 whisper.cpp 的 React Native 绑定库，让移动端应用可以直接在设备上运行 OpenAI Whisper 语音识别★ 806
junejune 是一个本地运行的语音聊天机器人，旨在提供自然流畅的语音对话体验。它整合了 Ollama 作为本地大语言模型推理引擎，Hugging Face Tran★ 788
dladla 是一个面向音频处理的深度学习开源项目，旨在为音频相关任务提供一套完整的解决方案。它涵盖了语音识别、说话人验证、关键词识别、语音合成、声音转换以及通用信号★ 772
CrispASRCrispASR 是一个基于 C++ 和 ggml 推理框架的语音识别与合成运行时中心，目标是把多种主流开源 ASR/TTS 模型统一到一个轻量、跨平台、无需 ★ 763
TranscribroTranscribro 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。它把语音转文字能力直接★ 761
MASRMASR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。它解决了开发者需要同时支持实时语音交互和离线批量转写的★ 728
cursescurses 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 Discord 提供语音转★ 727
mimimimi 是一款用 Rust 编写的桌面端实时字幕与翻译工具，解决跨语言观看视频、会议、直播时听不懂的问题。它通过捕获系统音频（Mac 或 PC 上正在播放的任★ 721
speech-to-text-benchmarkspeech-to-text-benchmark 是一个开源的语音转文字（STT）评测框架，用统一的测试流程对比不同语音识别引擎的准确率与速度。它解决的核心问题★ 699
expo-speech-recognitionexpo-speech-recognition 是一个面向 React Native Expo 项目的语音识别库，用 TypeScript 编写，填补了 Exp★ 696
whisper_androidwhisper_android 是一个将 OpenAI Whisper 语音识别模型移植到 Android 平台的开源项目，基于 TensorFlow Lite★ 694
cheetahCheetah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。它解决的是传统云端语音识别依赖网络、延迟高、隐私风险大的问题，通★ 671
gpt-homegpt-home 是一个运行在树莓派上的开源智能家居语音助手，目标是替代 Alexa、Google Home 等商业方案。它用 LiteLLM 统一接入多种大模★ 653
whisperIMEwhisperIME 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成到系统输入法层，用户在任何需要打字★ 653
sonussonus 是一个面向 Node.js 的离线语音转文字与热词唤醒库。它解决的核心问题是：在 Node 服务或桌面端做语音交互时，不想依赖云端 STT 服务，也★ 639
fcitx5-vinputfcitx5-vinput 是一个为 Linux 输入法框架 Fcitx5 开发的语音输入插件，目标是让用户在任意支持 Fcitx5 的应用中直接用说话代替打字★ 592
TalkifyTalkify 是一款面向 macOS 的本地优先语音听写工具，使用 Swift 与 SwiftUI/AppKit 开发，核心目标是把语音转文字彻底留在设备上完★ 580
alan-sdk-reactnativeAlan AI SDK for React Native 是一个将语音助手能力集成到 React Native 应用中的开发工具包。它解决了移动应用内缺乏自然语★ 573
parrotsparrots 是一个基于 Python 的自动语音识别（ASR）与语音合成（TTS）引擎，专注于中英语音处理。它解决了开发者在应用中集成语音交互功能时面临的准★ 527
ICASSP-2023-24-Papers这是一个汇集ICASSP 2023和2024会议论文的仓库，旨在为声学、语音和信号处理领域的研究者提供一站式的论文集合。项目解决了学术会议论文分散、难以系统追踪★ 525
ollama-voice-macollama-voice-mac 是一个为 Mac 用户打造的语音对话助手，让你通过语音与本地运行的 Ollama 大语言模型自然交流。它解决了在 Mac 上使★ 519