搜索结果：speech-to-text（12 个）
按分类缩小范围
FunASR
综合 80
支持训练、推理、流式 ASR、VAD、标点恢复及 OpenAI/MCP 兼容服务的开源语音识别工具包。
speech-to-speech
综合 76
基于开源模型构建语音智能体（Voice Agent）的开发库。
VidBee
综合 71
支持从千余站点下载音视频，本地转写并标注说话人，结合 AI 实现总结、翻译及对话。
speechbrain
综合 71
基于 PyTorch 的开源全能语音处理工具包。
screenpipe
综合 69
持续记录电脑屏幕工作轨迹以梳理工作流，并为 AI Agent 提供上下文背景记忆。
faster-whisper
综合 67
基于 CTranslate2 的高速 Whisper 转录工具。
meetily
综合 62
面向 Windows 和 macOS 的本地 AI 会议记录工具。基于本地 Whisper/Parakeet 转录并识别人声，Granola 开源替代品。
whisperX
综合 61
具备词级时间戳和说话人日志（Diarization）功能的自动语音识别工具。
WhisperLiveKit
综合 61
本地实时流式语音转文字工具，支持说话人分离、翻译及兼容 OpenAI 的 API。
openwhispr
综合 59
跨平台语音转文字应用，支持本地模型（Whisper 等）与云端模型，注重隐私保护。
voice-pro
综合 58
面向创作者的 Gradio WebUI，集成主流 TTS、零样本声音克隆与人声分离等功能。
FluidAudio
综合 42
Swift 音频库，为应用提供前沿 CoreML 模型，支持 TTS、STT、语音活动检测与说话人日志。