whisper 第 2 页
本站收录 195 个带「whisper」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 4 页）
Speech-AI-ForgeSpeech-AI-Forge 是一个围绕 TTS（文本转语音）生成模型构建的开源项目，提供 API 服务器和基于 Gradio 的 WebUI。它整合了多种主★ 1,421
transcribe-anythingtranscribe-anything 是一个基于 Whisper 的多后端语音转文字工具，目标是让本地音视频转写变得又快又简单。它支持输入本地文件或在线 UR★ 1,415
voicemodevoicemode 是一个让开发者通过自然语音与 Claude Code 进行对话的开源工具。它解决了在编码过程中频繁切换键盘输入与思考的问题，允许开发者直接说★ 1,410
claude-video-visionclaude-video-vision 是一个 Claude Code 插件，通过 MCP 协议为 Claude 赋予观看和理解视频的能力。它解决的核心问题是：★ 1,389
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
MToolsMTools 是一款基于 Python 的桌面多功能工具箱，把音视频处理、图片编辑、文本操作和编码工具整合到一个应用里，并内置 AI 增强能力。它想解决的核心问★ 1,363
modelfusionModelFusion 是一个用于构建 AI 应用的 TypeScript 库，旨在为开发者提供一套统一、类型安全的接口来集成多种大语言模型（LLM）、嵌入模型★ 1,321
kubeaiKubeAI 是一个面向 Kubernetes 的 AI 推理 Operator，目标是把大模型、视觉语言模型、Embedding 和语音转文字等模型在生产环境★ 1,285
hyprwhsprhyprwhspr 是一款面向 Linux 的原生语音转文字工具，目标是提供系统级、快速、准确且注重隐私的听写体验。它解决 Linux 桌面长期缺乏好用全局听写★ 1,255
trussTruss 是一个用于在生产环境中部署 AI/ML 模型的 Python 开源框架，旨在简化模型服务的流程。它解决了从模型训练到实际部署之间的复杂工程问题，让开★ 1,221
binioubiniou 是一个自托管的 WebUI，聚合了 30 多种生成式 AI 模型，覆盖图像、音频、视频等模态。它基于 Gradio 构建，集成 Hugging F★ 1,153
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
OpenCluelyOpenCluely 是一个免费开源的 Cluely 替代品，专为技术面试（如 DSA、在线测评 OA、竞赛编程 CP）设计。它通过一个隐形悬浮层提供实时 AI★ 1,114
whisper-flowWhisper-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 只能整文件批量转写、无法边说话边出文字★ 997
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
nomily-appnomily-app 是一款开源的语音记录伴侣应用，主打 BYOK（自带密钥）模式，支持 iOS、Android 和 Apple Watch。它解决的是日常录音★ 934
voxtvoxt 是一个面向 Mac 的本地优先语音输入工具，通过按住说话（hold-to-talk）的方式，将语音实时转换为文本，并自动进行清理、改写、翻译，还能根据★ 893
subvertsubvert 是一个基于 PHP 的视频处理工具，利用 OpenAI 的 Whisper 模型自动为视频生成字幕、摘要和章节。它解决了视频内容创作者手动转录、★ 866
BiBi-KeyboardBiBi Keyboard（说点啥）是一款基于 Kotlin 开发的 Android 语音输入法键盘应用，将 LLM 与 ASR 技术深度集成到输入场景中。它解★ 848
WhisperSubTranslateWhisperSubTranslate 是一款免费、本地优先的桌面应用，基于 Electron 构建，利用 OpenAI Whisper 模型从视频中提取字幕（★ 812
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
bolnabolna 是一个用于构建对话式语音 AI 智能体的开源框架，基于 Python 开发。它解决了开发者从零搭建语音交互系统时面临的复杂集成问题，将语音识别、大语★ 798
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
TranscriptionSuiteTranscriptionSuite 是一款完全本地运行的语音转文字桌面应用，支持 Windows、macOS 和 Linux。它解决的核心问题是隐私：所有音频★ 777
vuiVui 是一个实时语音助手框架，基于 WebRTC 流式传输，集成了 faster-whisper 语音识别、本地 LLM（如 Qwen）和 Vui Nano ★ 774
qvacQVAC 是一个面向本地优先的 AI 应用开发 SDK 和库集合，旨在帮助开发者构建私有、跨平台、点对点的 AI 应用。它支持在 Linux、macOS、Win★ 701
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
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
lora-svclora-svc 是一个基于 Whisper 和 LoRA 技术的歌声转换与克隆开源项目。它解决的核心问题是：如何用少量目标歌手的音频数据，快速克隆其音色并实现★ 643
BiliSumBiliSum 是一个面向 Bilibili、YouTube 及本地视频的 AI 视频摘要与知识库工具。它解决的是视频内容信息密度高、难以快速获取核心要点的问题★ 641
opentypelessOpenTypeless 是一款用 Rust 编写的开源 AI 语音输入工具，支持 macOS、Windows 和 Linux。它解决的是系统自带听写功能不准确★ 627
LLM-HubLLM-Hub 是一个本地 AI 助手，专注于图像生成领域，但实际覆盖多模态能力。它基于 C++ 构建，集成多种主流大语言模型（如 Gemma、Llama、Mi★ 620
explainrooexplainroo 是一个开源的 AI 讲解视频与产品演示生成工具，让 AI 代理（如 Claude Code、Codex）把一段脚本自动变成带旁白的 MP4★ 620
agentchainAgentChain 是一个基于 Python 的轻量级框架，旨在将多个大语言模型（LLM）和多模态模型串联起来，通过链式调用实现复杂任务的推理与编排。它解决了★ 612
dsh-voice-ai-girlfriend这是一个面向 DeepSeek Harness（DSH）的语音 AI 女友插件，用 TypeScript 编写。它把语音识别、语音合成和数字人动画串成一条完整的★ 522
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
willow-inference-serverWillow 是一个开源的、本地自托管的语言推理服务器，专注于音频和语音场景，同时支持 ASR/STT、TTS 和 LLM 推理。它解决了在本地环境中高效部署多★ 511
jarvis-assistant-vocaljarvis-assistant-vocal 是一个用 Python 编写的本地化法语语音助手，目标是把大模型、智能家居和桌面自动化整合成一套可对话的 Jarv★ 484
talking-avatar-with-ai这是一个基于浏览器运行的AI数字人对话项目，能够实现语音交互和实时口型同步。它通过OpenAI的GPT模型生成对话内容，Whisper进行语音识别，Eleven★ 471
docker-whisperXdocker-whisperX 是 WhisperX 语音识别工具的官方 Docker 镜像构建项目，通过 Dockerfile 与 CI 流程把 Whispe★ 458
speak-gptspeak-gpt 是一款基于 OpenAI ChatGPT 的安卓语音助手应用，使用 Kotlin 开发。它解决的是用户在移动端通过语音与 AI 自然交互的需★ 446
betterwisprbetterwispr 是一款面向 macOS 的免费开源本地听写工具，定位为 Wispr Flow 的开源替代品。它解决的核心问题是：在任意应用中快速把语音转★ 404
AudioToTextAudioToText 是一个基于 Jupyter Notebook 的开源工具，核心思路是把 OpenAI 的 Whisper 语音识别模型和 DeepL 翻★ 396
onnx-asronnx-asr 是一个轻量级 Python 语音识别包，核心思路是让开发者直接加载 ONNX 格式的 ASR 模型完成语音转文字，而不必依赖 PyTorch、★ 385
VectorDB-PluginVectorDB-Plugin 是一个开源的本地文档问答工具，允许用户直接对本地文档、音频和视频文件提问。它解决了传统搜索只能返回相关片段、无法直接给出答案的问★ 371
fcpx-auto-captionsfcpx-auto-captions 是一个面向 Final Cut Pro 的自动字幕插件，底层用 OpenAI 的 Whisper 模型（通过 whispe★ 371
ChatFredChatFred 是一个基于 Alfred 的 workflow，将 ChatGPT、DALL·E 2 等 AI 模型集成到 macOS 的 Alfred 快捷★ 370
mlx-openai-servermlx-openai-server 是一个面向 Apple Silicon 芯片的高性能 API 服务器，为 MLX 系列模型提供 OpenAI 兼容的接口。它★ 362
LiveWhisperLiveWhisper 是一个基于 OpenAI Whisper 的近乎实时语音转文字工具，通过 sounddevice 捕获麦克风音频并流式处理，无需修改 W★ 361
WhisperHalluWhisperHallu 是一个实验性开源项目，专注于音频预处理，旨在减少 OpenAI Whisper 语音识别模型产生的幻觉文本（即模型在无语音片段中虚构输★ 352