stt 第 2 页
本站收录 76 个带「stt」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 2 页）
LM-Studio-Voice-Conversation这是一个基于LM Studio的本地语音对话应用，用Python编写。它解决的是在本地运行大语言模型时缺乏语音交互的问题，让你能通过说话与本地LLM对话。核心能★ 145
home-assistant-assist-desktop这是一个将 Home Assistant 的 Assist 语音助手带到桌面端的跨平台应用，支持 Windows、macOS 和 Linux。它解决了用户在桌面★ 136
voiceblendervoiceblender 是一个可编程的语音 AI 平台，基于 Go 语言构建，专注于解决语音通话场景中 AI 能力的集成与编排问题。它通过 REST API、★ 132
CustomCharCustomChar 是一个基于 C++ 的轻量级 AI 助手框架，旨在让开发者将定制化的语音助手部署到任意硬件上，包括嵌入式设备和低功耗平台。它整合了 lla★ 121
fish-audio-hermesfish-audio-hermes 是 Fish Audio 官方为 Hermes Agent 打造的音频插件，把语音合成、语音识别、音色库、声音克隆和声音设计★ 118
IchiIchi 是一个实验性的开源项目，旨在探索如何在 Apple 平台（iOS、macOS、visionOS）上集成对话式 AI 能力。它主要解决开发者在原生应用中★ 112
conversifyconversify 是一个基于 LiveKit 和本地大语言模型（LLM）构建的实时、低延迟 AI 助手，支持语音、视觉和对话记忆功能。它解决了传统语音助手响★ 111
ha-openai-whisper-stt-apiha-openai-whisper-stt-api 是一个面向 Home Assistant 的自定义集成（HACS 组件），把 OpenAI、GroqClou★ 111
stt-serverstt-server 是一个用 Python 编写的实时语音转文字 WebSocket 服务，目标是把 ASR 能力以流式接口暴露给前端或后端应用。它通过可插拔★ 107
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
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
AI.LabsAI.Labs 是一个基于 C# 的音频与办公自动化实验工具，核心功能是将 OpenAI ChatGPT 或本地大语言模型（通过 llama.cpp 加载 GG★ 101
LA-StudioLA Studio 是一个本地优先的 AI 音频平台，旨在帮助用户探索、下载并测试语音识别（STT）、文本转语音（TTS）和声音克隆等模型。它解决了音频 AI ★ 100
openrouter-mcp-multimodal这是一个基于 Model Context Protocol (MCP) 的服务器，用于连接 OpenRouter 平台，让 Claude Desktop、Cur★ 99
AriaTypeAriaType 是一款基于 Rust 开发的桌面端语音驱动写作与输入工具，主打本地优先和隐私保护。它通过语音识别（STT）将用户的口述内容实时转换为文本，支持★ 94
edge-vedaedge-veda 是一个面向 Flutter 的端侧 AI SDK，旨在让移动和桌面应用直接运行多种 AI 模型，无需依赖云端服务。它解决了开发者在 Flut★ 87
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
OpenVoiceUIOpenVoiceUI 是一个开源的语音驱动 AI 助手平台，旨在通过语音交互连接任意大语言模型（LLM）和文本转语音（TTS）引擎，提供实时网页画布、音乐生成★ 80
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
KALO-ESP32-Voice-Chat-AI-Friends这是一个基于ESP32的语音对话设备项目，旨在打造能与多个自定义AI机器人聊天的小型硬件。它通过I2S接口连接INMP441麦克风录制用户提问，利用Eleven★ 75
OpenWebTTSOpenWebTTS 是一个开源的、可自托管的文本转语音（TTS）Web 应用，旨在作为 Speechify 的替代方案。它专注于让用户通过本地模型朗读 PDF★ 74
ClawCodeClawCode 是一个为 Claude Code 设计的持久化代理插件，它不是一个独立的运行框架，而是直接集成到 Claude Code 中，赋予其长期记忆、★ 64
mimiuchimimiuchi 是一个免费、可定制、支持 OSC 的语音转文字界面，旨在将语音识别结果实时转发到不同类型的应用程序，尤其针对 VR 聊天等虚拟现实场景。它解决★ 63
cadiscadis 是一个基于 Rust 的本地优先多智能体运行时，旨在为开发者提供桌面 HUD 界面，通过策略门控工具、语音交互和 Git worktree 隔离的编★ 58
stimmstimm 是一个开源的语音代理平台，专注于通过 WebRTC 实现超低延迟的实时对话。它解决了构建实时语音 AI 应用时面临的管道编排复杂、延迟高、集成困难等★ 52
DigitalLifeDigitalLife 是一个开源的“数字生命”项目，旨在通过结合 Live2D 形象、长期记忆和 AI 对话能力，创建一个有虚拟身体、能记住过往交流的交互式 ★ 52