whisper 第 4 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 4 / 4 页）
Vocal-AgentVocal-Agent 是一个基于 Python 的开源级联语音助手框架，它将实时语音识别（Whisper）、AI 推理（Llama）和神经文本转语音（Koko★ 138
whisper-clipWhisperClip 是一个基于 OpenAI Whisper 的轻量级桌面工具，核心目标是让语音转文字变得像按一下按钮一样简单。它解决了日常记录、会议速记或★ 138
claude-telegram-superchargedclaude-telegram-supercharged 是一个把 Claude Code 接入 Telegram 的开源工具，让你在手机上像聊天一样 24/7★ 138
open-genaiopen-genai 是一个非官方项目，旨在将日本数字厅的政府 AI 系统“源内（GENAI）”完整地在本地环境中运行。它集成了本地 LLM（通过 Ollama★ 137
vocamacvocamac 是一款面向 macOS 的开源离线语音转文字工具，主打隐私与本地化听写。用户按住一个全局快捷键说话，松开后识别文本自动出现在当前光标位置，无需切★ 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
murmurmurmur 是一款面向 macOS 的本地语音听写工具，基于 Swift 开发，核心思路是把语音转文字完全放在设备端完成，不把录音上传到云端。它解决的是日常输★ 128
openclaw-voiceopenclaw-voice 是一个开源的、基于浏览器的语音聊天解决方案，专为 AI 助手设计。它解决了 AI 助手缺乏语音交互能力的问题，让用户可以通过语音与★ 126
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
dabriDabri 是一款面向 Linux 的原生语音转文字（STT）工具，基于 Go 语言开发，底层调用 whisper.cpp 实现离线识别。它解决的核心问题是：在★ 120
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
hnshns 是一个基于 Python 的命令行语音转文字工具，核心思路是把麦克风输入的语音实时转写为文本并直接写入系统剪贴板，省去手动复制粘贴的步骤。它底层使用 f★ 119
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
ermerm 是一个本地运行的命令行工具，专门用于去除英语口语录音中的非流利停顿词（如 um、uh、er、erm、ah、hmm 等）。它解决的是播客、访谈、演讲等场景★ 112
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
Sora-FullStackSora-FullStack（SoraFlows）是一个基于 OpenAI Sora 模型的开源全栈 Web 应用，旨在让用户通过文本或图片轻松生成、编辑和分享★ 109
phloxphlox 是一个开源、本地优先的 AI 医疗代理，支持桌面端和网页端。它旨在解决医疗信息查询和初步健康咨询中的隐私与数据安全问题，通过将 AI 模型和数据处理★ 109
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
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
NeuroSandboxWebUINeuroSandboxWebUI 是一个本地运行的神经网络模型 WebUI，基于 Python 和 Gradio 构建，支持文本、图像、视频、3D 和音频等多★ 106
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
VideoNote-MCPVideoNote-MCP 是一个基于 MCP 协议的视频转笔记工具，把 B 站、抖音、YouTube 等主流平台的视频自动转成文字和结构化笔记。它用 Whis★ 102
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
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
open-audioOpen-Audio 是一个基于 OpenAI 文本转语音（TTS）模型的 Web 应用，旨在将文字快速转换为自然流畅的语音。它解决了开发者或普通用户需要高质量★ 96
whetstone.chatgptwhetstone.chatgpt 是一个轻量级的 .NET 库，旨在简化 OpenAI API 的调用流程。它封装了 GPT-3.5、GPT-4 以及 Whi★ 95
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
maiseMaise 是一个开源的 Android 语音引擎，专注于在设备端（边缘）提供强大且灵活的语音合成（TTS）能力。它基于 Kotlin 开发，利用 ONNX R★ 80
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
youtube-auto-dubyoutube-auto-dub 是一个本地优先的开源 YouTube 视频配音工具，旨在将视频中的原始语音克隆并翻译成另一种语言，同时保持时间同步。它解决了视★ 75
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
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
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
quivr-whisperquivr-whisper 是一个将语音交互能力集成到 Quivr 个人知识库助手中的开源项目。它解决了用户无法通过自然语言语音与个人知识库对话的问题，使得用户★ 68
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
serverless-workers这是一个由 Runpod 官方提供的无服务器 worker 集合，用于在 Runpod 平台上运行 AI 推理任务。它包含多个预构建的 worker，支持 St★ 62
go-speechgo-speech 是一个基于 Golang 和 ONNX 运行时构建的轻量级语音处理库，专注于为 Go 开发者提供开箱即用的语音合成（TTS）和语音识别（AS★ 60
python-openai-projects这是一个集合了13个基于OpenAI API的Python实战项目的仓库，覆盖ChatGPT对话、Whisper语音转文字、Embeddings文本嵌入和DAL★ 55
mu2mimu2mi 是一个开源的 AI 音乐工具包，旨在为音乐创作者和开发者提供一套基于 TypeScript 的模块化工具，用于音乐生成、音频处理和音乐信息检索。它解★ 55
AI-EcosystemAI-Ecosystem 是一个汇总和整理各类AI相关项目的集合仓库，旨在为开发者提供一个发现有趣、实用AI工具的入口。它收录了包括ChatGPT、Stable★ 51
ElevenSpeak基于 ChatGPT、Whisper 与 Eleven Labs 打造的私人语音语言老师，通过 AI 对话、精准语音识别与逼真语音合成，为你提供沉浸式的口语练习★ 17