transcription 第 2 页
本站收录 91 个带「transcription」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 2 页）
komakoma 是一个可自托管的 AI 视频分析工具，面向需要批量处理长视频的团队或个人。它把视频拆解为可检索的结构化信息：自动生成内容摘要、按语义切分章节、抽取关键★ 304
komakoma 是一个可自托管的 AI 视频分析工具，用 TypeScript 编写。它解决的核心问题是：面对长视频或大量视频素材时，人工观看、记录和整理成本极高。k★ 304
openasropenasr 是一个用 Rust 编写的本地优先语音转文字工具，核心目标是让转录过程完全在用户自己的机器上完成，不依赖云端服务、不上报任何遥测数据，并且采用 ★ 286
petalPetal 是一款原生 macOS 菜单栏应用，专注本地优先的音频转写。它解决的是用户不想把会议、访谈、语音备忘等敏感音频上传云端，又希望快速得到文字稿的痛点。★ 276
DeLiveDeLive 是一款本地优先的桌面端实时字幕与语音识别工作台，用 Electron + TypeScript 构建，核心解决会议、直播、听课等场景下系统音频难以★ 274
kittkitt 是一个基于 Go 语言构建的实时语音对话开源项目，它利用 LiveKit 框架让开发者能够快速实现与 ChatGPT 的实时语音交互。该项目解决了传统★ 272
HoldSpeakHoldSpeak 是一款面向 macOS 和 Linux 的本地语音输入与会议转写工具，用 Python 编写。它解决的核心问题是：在不把音频上传云端的前提下★ 249
milaMila 是一款原生 macOS 本地语音转写应用，底层基于 whisper.cpp 实现语音识别，并可选接入说话人分离（diarization）能力。它解决的★ 239
typewhisper-winTypeWhisper for Windows 是一款基于 C# 开发的本地语音转文字工具，专为 Windows 平台设计。它利用 Whisper 模型在设备端★ 231
amanuamanu 是一款面向 macOS 的本地优先会议记录工具，用 Swift 编写。它能自动检测并录制线上会议，随后完成语音转写，把零散的口头讨论沉淀为可检索的文★ 228
qwen-scribeqwen-scribe 是一个面向 Apple Silicon Mac 的本地语音识别工具，基于 MLX 框架运行 Qwen3-ASR 模型，提供私有化、离线的★ 219
browser-whisperbrowser-whisper 是一个在浏览器内本地运行 Whisper 语音识别模型的开源项目，使用 TypeScript 编写。它把 OpenAI Whis★ 210
meeting-transcribermeeting-transcriber 是一款面向 macOS 的本地会议转录工具，定位为 Otter、Granola、Fireflies 的开源替代品。它常驻★ 209
awesome-voice-typingawesome-voice-typing 是一个精选开源语音输入与语音转文字工具清单，覆盖 Linux、macOS、Windows、Android 和 iOS ★ 206
hermes-speechhermes-speech 是一个为 Hermes Agent 设计的语音插件，同时提供 TTS（文本转语音）和 STT（语音转文本）能力。它解决的核心问题是：★ 203
diktedikte 是一个开源的语音转文字听写应用，使用 Python 编写，主要面向 Linux 桌面环境。它解决的核心问题是让用户无需手动打字，通过说话即可将语音实★ 196
textsnaptextsnap 是一个轻量级 OCR 工具，目标是把任意图片、截图或网页内容一键转成纯文本。它基于 ONNX 和 PaddlePaddle 运行，无需 GPU★ 195
agentcallAgentCall 是一个让 AI 智能体以真实身份加入视频会议的开源项目，支持语音、视频和屏幕共享，使 AI 能像人类协作者一样在 Google Meet、M★ 169
amazon-transcribe-live-meeting-assistant这是一个基于 AWS 服务的实时会议助手开源项目，利用 Amazon Transcribe 做语音转文字、Amazon Bedrock 大模型做理解与生成，配合★ 168
AuralKitAuralKit 是一个面向 Apple 平台的 Swift Package，封装 iOS 26 与 macOS 26 新引入的 SpeechAnalyzer ★ 167
subarrsubarr 是一个面向 *arr 家庭媒体自动化生态的协调、测量与质量层，定位为 subgen 的补充服务。它解决的核心问题是：在 Radarr/Sonarr★ 147
VoconlyVoconly 是一款本地优先的 AI 语音输入工具，目标是把「说话」直接变成干净、可用的文字，替代传统键盘输入。它内置 Whisper、SenseVoice、★ 145
whisrswhisrs 是一款面向 Linux 桌面的语音工具，用 Rust 编写，主打听写、朗读和语音驱动的 LLM 命令。它解决 Linux 桌面长期缺乏统一语音交互★ 140
claude-skillsclaude-skills 是一个面向视频制作场景的 AI Agent 技能包集合，包含 13 个针对 Claude Code 等编程助手的技能，覆盖视频转写、★ 137
meetcapMeetCap 是一款免费、注重隐私的 AI 原生会议助手，核心特点是会议录音与转写全部在本地电脑完成，不上传云端。它解决的是会议记录耗时、云端转写工具存在隐私★ 136
whisper-streamwhisper-stream 是一个用 Bash 编写的命令行脚本，调用 OpenAI Whisper API 实现连续音频转写。它解决的是传统录音转文字需要手★ 129
anti-vocaleanti-vocale 是一款 Android 本地语音转文字应用，专门用来把聊天里的语音消息转成文字。它解决的核心问题是隐私与离线可用性：很多语音转写工具需要★ 123
whisper-localwhisper-local 是一个面向 Windows 和 macOS 的免费开源离线语音听写工具，定位为 Wispr Flow 和 Dragon 的替代品。它★ 120
docker-whisperdocker-whisper 是一个把 Whisper 语音识别服务打包成 Docker 镜像的开源项目，目标是让用户在自己的服务器上快速搭建一套兼容 Open★ 116
whisper-subswhisper-subs 是一个 Jellyfin 媒体服务器插件，用本地 Whisper 模型为视频自动生成字幕，所有音频处理都在自己的服务器上完成，不依赖云★ 116
opensubsopensubs 是一个本地优先的视频字幕工具，目标是不上传视频就能给任意视频生成字幕。它把语音识别、翻译、样式和烧录整合到一条流程里，底层用 Whisper ★ 115
ParrotParrot 是一款面向 macOS 的开源会议记录工具，定位是本地优先的 AI 会议助手。它能在你开会时实时录音并转写，把语音变成可检索的文字记录，同时基于你★ 114
lecture-to-noteslecture-to-notes 是一个把课堂录屏自动转成结构化笔记的本地流水线工具。它解决的核心问题是：学生录下讲座后，仍需手动回看视频、整理重点、对齐讲义，★ 109
jkinco-listen-openjkinco-listen-open 是一个本地优先的智能会议纪要工作台，专为需要数据隐私和离线可用的团队设计。它把会议录音转写、场景识别、纪要生成和文档导出整★ 105
OpenTranscribeOpenTranscribe 是一个可自托管的 AI 语音转写平台，目标是把会议、访谈、播客等音视频内容自动转成可搜索、可协作的文字记录。它内置说话人分离（sp★ 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
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
whisper-shortcutwhisper-shortcut 是一款面向 macOS 的菜单栏应用，主打语音优先的交互体验。它解决的是在 Mac 上快速进行语音转文字、语音控制剪贴板、朗读★ 74
ai-video-summarizerai-video-summarizer 是一个基于 AI 的视频和音频内容处理工具，主要功能包括自动转写、智能摘要和精彩片段生成。它解决的是用户面对长视频或音频★ 65
rtvcrtvc 是一个基于 ElevenLabs API 的实时语音转录与克隆工具，使用 TypeScript 编写。它解决了开发者在应用中集成实时语音交互的需求，提★ 56
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