搜索结果：speech-to-text（19 个）
按分类缩小范围
hex
综合 63
支持 Mac、Windows 和 Linux 的本地语音听写转文字工具。
leon
综合 81
一款开源的个人智能助理。
自托管的抖音、TikTok、B 站数据采集与去水印下载 API，支持 MCP 调用、离线转文字及 Docker 部署。
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。
FunASR
综合 69
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 65
基于开源模型构建语音智能体（Voice Agent）的开发库。
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。
Handy
综合 62
免费、开源且可扩展的语音转文字应用，支持完全离线运行。
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。
faster-whisper
综合 56
基于 CTranslate2 的高速 Whisper 转录工具。
pyvideotrans
综合 55
将视频从一种语言翻译为另一种语言，并自动生成配音与字幕。
whisperX
综合 48
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。
voice-pro
综合 47
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。
sherpa-onnx
综合 43
基于新一代 Kaldi 与 ONNX Runtime 的离线语音工具包，支持语音识别、TTS、声纹与降噪等多端部署。
kaldi
综合 43
语音识别工具包 Kaldi 的官方开源代码仓库。
FluidAudio
综合 31
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。