speech-recognition 第 5 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 5 / 6 页）
awesome-openai-whisper这是一个围绕 OpenAI Whisper 语音识别模型的资源精选列表，把分散在社区里的模型变体、微调版本、推理加速方案、配套工具和教程集中整理到一起。Whis★ 107
JARVIS-AI-ASSISTANTJARVIS-AI-ASSISTANT 是一个以 Python 编写的离线人工智能助手项目，灵感源自钢铁侠的贾维斯。它采用 ALICE 作为对话后端，通过 Vo★ 106
simple-obs-sttsimple-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）将麦克风或系统音频中的语音转换为文字，并直接以字幕或键★ 106
giga-pisargiga-pisar（Гига Писарь）是一款面向 macOS 的本地俄语听写工具，基于 GigaAM v3 语音识别模型，用 Swift 编写。它解决的★ 105
subforgesubforge 是一个用 Rust 编写的命令行工具，面向视频字幕的完整 AI 处理流水线。它把字幕工作中最繁琐的环节串成一条命令：先用 faster-whi★ 104
jargojargo 是一个基于 Go 语言、以 WebRTC 原生和音频优先的对话式 AI 框架。它解决了在实时语音交互场景中，开发者难以快速集成语音识别（STT）、语★ 102
LLMChatLLMChat 是一个基于 Python 的 Discord 聊天机器人，它集成了多种主流大语言模型（如 GPT-4）用于文本生成，并支持超逼真的语音合成与语音★ 101
gptspeakergptspeaker 是一个基于 Python 的语音助手项目，旨在通过 Raspberry Pi 或桌面电脑实现与 OpenAI 或 DeepSeek 大语言★ 101
ClassCueClassCue 是一款面向课堂场景的 Android 应用，用 Kotlin 与 Jetpack Compose 开发，主打离线优先。它把课堂实时语音转写、点★ 101
harfiyenharfiyen 是一个完全在浏览器本地运行的土耳其语语音识别与字幕生成工具。它解决的核心问题是：土耳其语使用者想做语音转写或给视频加字幕时，往往要依赖云端 A★ 100
speech-rest-apispeech-rest-api 是一个基于 Python 的语音处理 REST API 服务，主要提供语音转文字（ASR）和文字转语音（TTS）两大核心能力。它★ 98
laibot-clientlaibot-client 是一个基于 Python 3 的开源语音对话机器人项目，旨在利用开源软硬件构建类似智能音箱的交互设备。它解决的是开发者快速搭建语音交★ 93
deepgram-go-sdkdeepgram-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）、语音合成（TTS）和语音代理（Vo★ 93
speech-corespeech-core 是一个面向端侧设备的实时语音智能体流水线，用 C++17 编写，基于 ONNX Runtime 和 LiteRT（TensorFlow ★ 93
ChatGPT-voice-controlChatGPT-voice-control 是一个为 ChatGPT 网页版设计的浏览器扩展，让用户可以通过语音与 ChatGPT 对话，并听到自然语音的回复。★ 92
Python-AssistantPython-Assistant 是一个基于 Python 3.9+ 的语音命令助手服务，能够识别人类语音、与用户对话并执行基础命令。它解决了用户需要通过语音交★ 92
Talk2GPTTalk2GPT 是一个面向 Windows 和 Unix 系统的 GPT-3 客户端，主打记忆管理功能，支持多语言文本和语音交互，并附带免费的文生图能力。它解★ 89
NOVA-NodeJSNOVA 是一个用 Node.js 构建的可定制语音助手，旨在为开发者提供一个轻量、可扩展的本地语音交互解决方案。它解决了现有语音助手（如 Alexa、Goog★ 88
speech-translator-readmeSpeech Translator 是一个实时语音翻译工具，旨在打破语言障碍，让用户能够用母语说话，并即时获得目标语言的语音输出。它解决的是跨语言实时沟通中的效★ 88
react-text-to-speechreact-text-to-speech 是一个基于 React.js 的轻量级文本转语音库，利用浏览器原生的 Web Speech API 实现语音合成，无需★ 86
altsalts 是一个完全免费、本地运行、支持离线使用的语音助手项目，基于 Python 开发。它解决的是用户对隐私敏感、不希望语音数据上传云端的问题，提供本地语音识★ 82
Voice-Chat-BotVoice-Chat-Bot 是一个基于 Python 的实时 AI 语音对话机器人项目，它整合了 Deepgram 的语音识别（STT）与语音合成（TTS）能★ 80
kesha-voice-kitkesha-voice-kit 是一个本地优先的语音工具包，为开发者的工具链赋予语音能力。它支持语音转文字和文字转语音，覆盖 25 种语言，在 Apple Si★ 78
MeuxeMeuxe 是一个自托管的 AI 伴侣 Web 应用，采用动漫风格的 Live2D 和 VRM 角色作为虚拟形象。它解决了传统聊天机器人缺乏情感表达和沉浸感的问★ 78
PolyLangVITSPolyLangVITS 是一个基于 VITS 的多语言语音合成项目，支持韩语、日语、英语和中文四种语言。它利用 VITS 的端到端架构，将文本直接转换为语音，★ 75
spokestack-androidSpokestack Android 是一个面向 Android 平台的可扩展移动语音框架，旨在帮助开发者快速为应用集成完整的语音交互能力。它涵盖唤醒词检测、自★ 74
RenAI-ChatRenAI-Chat 是一个将聊天机器人界面与视觉小说（VN）风格相结合的早期开源项目。它主要解决传统聊天界面缺乏沉浸感和情感表达的问题，通过 Ren'Py 引★ 73
Omniverse-Virtual-Assisstant这是一个基于NVIDIA Omniverse平台的虚拟助手项目，核心功能是结合Audio2Face面部动画技术与Riva SDK的语音能力，打造一个能听会说的3★ 73
voice-dataset-creation这是一个面向语言保护与AI开发的社区主导型语音数据集创建工具，旨在帮助原住民社区和语言保护者收集、整理和发布符合数据主权原则的语音数据。项目解决了传统语音数据采★ 73
SynParaSpeechSynParaSpeech 是 ICASSP 2026 论文的官方开源仓库，专注于自动合成副语言（paralinguistic）数据集，用于语音生成和理解任务。★ 72
Audio-book-generatorAudio-book-generator 是一个将电子书转换为有声书的 Python 工具。它解决的是用户没时间阅读电子书、或希望以听觉方式获取书籍内容的问题。★ 72
Jarvis-TermuxJarvis-Termux 是一个运行在 Termux 环境中的 AI 助手，专为 Android 设备设计。它利用 Google Gemini API 提供对★ 72
jarvisJarvis 是一个基于 Python 的 AI 语音助手，集成了人脸识别、热词唤醒和自动化控制能力。它通过 OpenCV 实现面部识别，能够识别用户身份并个性★ 70
Text2SpeachText2Speach 是一个基于 Java 的轻量级文字转语音（TTS）工具库，旨在通过一句代码快速实现语音合成功能。它解决了开发者在项目中集成 TTS 时面★ 70
web-speech-cognitive-services这是一个JavaScript库，为Web Speech API提供Polyfill实现，将微软Azure认知服务中的语音转文本和文本转语音能力接入浏览器。它解决★ 70
ZeusHammerZeusHammer 是一个面向开发者的 AI 超级智能体，主打本地大脑、语音交互与三层记忆架构。它解决了云端 AI 助手在数据隐私、响应延迟和上下文记忆方面的★ 67
TellTimeTellTime 是一款 iOS 应用，用英式英语播报当前时间，比如“It's half past ten”。它基于 SwiftUI 构建，采用 Composa★ 67
CueRecordCueRecord 是一款原生的 macOS 屏幕录制工具，专为内容创作者设计。它解决了屏幕录制中常见的提词、摄像头画面叠加和音频采集问题，将专业录播功能集成于★ 65
TextNormalizationCoveringGrammarsTextNormalizationCoveringGrammars 是一个专注于英文和俄文文本规范化的开源项目，主要服务于语音识别和语音合成（TTS）系统。它通★ 61
real-time-language-translator这是一个基于语音识别与机器翻译的实时语言翻译工具，使用Python构建。它通过麦克风捕捉用户语音，利用语音识别技术将音频转为文本，再调用翻译引擎将文本翻译成目标★ 61
react-native-spokestackreact-native-spokestack 是一个为 React Native 应用提供语音接口的官方 SDK，它封装了 Spokestack 的 iOS ★ 60
gpt_chatbot这是一个基于Python的语音聊天机器人，让你通过麦克风与GPT-4对话。它利用OpenAI的语音识别和文本转语音功能实现语音交互，并使用Pinecone向量数★ 56
deepgram-dotnet-sdkdeepgram-dotnet-sdk 是 Deepgram 官方推出的 .NET 客户端库，用于在 C# 应用中集成 Deepgram 的语音 AI 服务。它★ 56
AutomatedYoutubeShortsAutomatedYoutubeShorts 是一个基于 Python 的自动化工具，旨在根据用户提供的文本内容自动生成 YouTube Shorts 短视频。★ 55
py-nltoolspy-nltools 是一组用于口语自然语言处理的基础 Python 模块，旨在为语音相关的 NLP 任务提供轻量级工具集。它解决的是从原始语音或文本中提取语言★ 55
yandex-speechkit-lib-python这是一个用于调用 Yandex Speechkit API 的 Python SDK，帮助开发者快速集成 Yandex 云平台的语音识别（STT）与语音合成（T★ 54
pinyin-to-ipapinyin-to-ipa 是一个将汉语拼音转换为国际音标（IPA）的命令行工具和 Python 库。它解决了语音学、语音识别和语音合成研究中，需要将拼音文本标★ 53
AmazonSpeechTranslatorAmazonSpeechTranslator 是一个基于 AWS 托管机器学习服务的 iOS 端到端语音翻译解决方案，集成了语音识别（Amazon Transc★ 52
MLC-SLM-BaselineMLC-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，旨在为参与者提供语音识别和说话人日志的参考实★ 51
Eva01Eva01 是一个开源的 AI 智能体项目，旨在构建一个具有自主意识、情感和内在驱动力的 AI 实体，而非传统意义上的助手。它采用多模态模块化设计，内置语音和面★ 22