Git Stars Git Stars

#speech-to-text 仓库

探索 211 个标记为 #speech-to-text 的活跃开源 GitHub 仓库,它们累计获得 925,003 个 Star(平均每个项目 4,383 个)。该主题的领先项目是 debpalash/VoiceStudio,拥有 115,753 个 Star。

211
仓库总数
925,003
总星标数
4,383
平均每个仓库星标数

共 211 个仓库

1
debpalash/VoiceStudio

VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案,支持 646 种语言的声音克隆、声音设计、视频配音、听写、转录和有声书创作。

debpalash
⭐ 115,753 Python 👤 debpalash User 🕐 已更新 2026-11-21 📅 创建时间 2026-04-09
2
ggml-org/whisper.cpp

OpenAI Whisper模型在C/C++上的移植

ggml-org
⭐ 55,392 C++ 👤 ggml-org Organization 🕐 已更新 2026-11-20 📅 创建时间 2022-09-25
3
cjpais/Handy

一个免费、开源且可扩展的语音转文本应用程序,可完全离线运行。

cjpais
⭐ 39,490 Rust 👤 cjpais User 🕐 已更新 2026-11-21 📅 创建时间 2025-02-13
4
Zackriya-Solutions/meetily

隐私优先的 AI 会议记录工具,适用于 Windows、macOS 和 Linux。免费开源(MIT 许可证)。在设备本地使用 Whisper/Parakeet 进行转录和说话人分离,无需会议机器人。Granola、Otter 和 Fireflies 的开源替代方案。https://meetily.ai

Zackriya-Solutions
⭐ 32,937 Rust 👤 Zackriya-Solutions Organization 🕐 已更新 2026-11-14 📅 创建时间 2024-12-26
5
SYSTRAN/faster-whisper

使用 CTranslate2 实现更快的 Whisper 转录

SYSTRAN
⭐ 26,924 Python 👤 SYSTRAN Organization 🕐 已更新 2026-11-12 📅 创建时间 2023-02-11
6
mozilla-ai/llamafile

使用单个文件分发和运行 LLM。

mozilla-ai
⭐ 26,681 C++ 👤 mozilla-ai Organization 🕐 已更新 2026-11-09 📅 创建时间 2023-09-10
7
m-bain/whisperX

WhisperX: 带有单词级时间戳(和说话人分离)的自动语音识别

m-bain
⭐ 25,556 Python 👤 m-bain User 🕐 已更新 2026-11-21 📅 创建时间 2022-12-09
8
screenpipe/screenpipe

YC(S26)| Screenpipe 找出值得自动化的工作 | 在本地持续记录电脑上的工作,发现重复出现的工作流程,并将结果交给你已经在使用的任意智能体。

screenpipe
⭐ 22,492 Rust 👤 screenpipe Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-06-19
9
Evil0ctal/Douyin_TikTok_Download_API

🚀 自托管的抖音、TikTok、B 站数据采集与无水印视频下载 API,支持 AI agent 通过 MCP 调用及离线语音转文字,Docker 一键部署。| 自托管的 TikTok、抖音和 B 站数据采集器及无水印视频下载器——异步 REST API、面向 AI agent 的 MCP 服务器、CLI 和 Web 控制台,另支持对已下载视频进行离线语音转文字。身份池可自动修复,使用 PostgreSQL 归档,一条 `docker compose up` 命令即可启动。

Evil0ctal
⭐ 21,507 Python 👤 Evil0ctal User 🕐 已更新 2026-11-20 📅 创建时间 2021-11-07
10
modelscope/FunASR

开源语音识别工具包,用于训练、推理、流式ASR、语音活动检测(VAD)、标点符号、说话人分离管道,以及兼容OpenAI/MCP的服务。

modelscope
⭐ 21,091 Python 👤 modelscope Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-11-24
11
jianchang512/pyvideotrans

将视频从一种语言翻译成另一种语言,并嵌入配音和字幕。

jianchang512
⭐ 19,789 Python 👤 jianchang512 User 🕐 已更新 2026-11-21 📅 创建时间 2023-10-02
12
leon-ai/leon

🧠 Leon 是您的开源个人助理。

leon-ai
⭐ 17,702 TypeScript 👤 leon-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2019-02-10
13
k2-fsa/sherpa-onnx

使用下一代 Kaldi 配合 onnxruntime 离线进行语音转文字、文字转语音、说话人分离、语音增强、声源分离和 VAD。支持嵌入式系统、Android、iOS、HarmonyOS、树莓派、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 服务器、websocket 服务器/客户端,支持 12 种编程语言

k2-fsa
⭐ 16,076 C++ 👤 k2-fsa Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-09-01
14
kaldi-asr/kaldi

kaldi-asr/kaldi 是 Kaldi 项目的官方位置。

kaldi-asr
⭐ 15,488 Shell 👤 kaldi-asr Organization 🕐 已更新 2025-09-22 📅 创建时间 2015-04-20
15
alphacep/vosk-api

适用于 Android、iOS、Raspberry Pi 和服务器的离线语音识别 API,支持 Python、Java、C# 和 Node

alphacep
⭐ 15,278 Jupyter Notebook 👤 alphacep Organization 🕐 已更新 2026-10-15 📅 创建时间 2019-09-03
16
huggingface/speech-to-speech

使用开源模型构建语音智能体

huggingface
⭐ 13,760 Python 👤 huggingface Organization 🕐 已更新 2026-11-19 📅 创建时间 2024-08-07
17
abus-aikorea/voice-pro

Gradio WebUI,面向创作者和开发者,具备主要的TTS(Edge-TTS, kokoro)和零样本语音克隆(E2 & F5-TTS, CosyVoice)功能,同时支持Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

abus-aikorea
⭐ 13,461 Python 👤 abus-aikorea User 🕐 已更新 2026-07-13 📅 创建时间 2024-07-29
18
OpenWhispr/openwhispr

支持本地(Nvidia Parakeet/Whisper)和云端模型(BYOK)的语音转文本听写应用。注重隐私保护,支持跨平台。

OpenWhispr
⭐ 11,968 JavaScript 👤 OpenWhispr Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-06-19
19
speechbrain/speechbrain

一个基于PyTorch的语音工具包

speechbrain
⭐ 11,946 Python 👤 speechbrain Organization 🕐 已更新 2026-10-14 📅 创建时间 2020-04-28
20
QuentinFuxa/WhisperLiveKit

实时、本地语音转文字,支持流式ASR、说话人分离、翻译,以及兼容OpenAI/Deepgram的API。

QuentinFuxa
⭐ 11,275 Python 👤 QuentinFuxa User 🕐 已更新 2026-11-14 📅 创建时间 2024-12-19
21
nexmoe/VidBee

从 1000 多个网站下载视频和音频,在本地转录并标注说话人,然后使用你偏好的 AI 服务提供商总结、翻译媒体内容,或与之对话。

nexmoe
⭐ 11,189 TypeScript 👤 nexmoe User 🕐 已更新 2026-11-21 📅 创建时间 2025-10-22
22
KoljaB/RealtimeSTT

一个强大、高效、低延迟的语音转文字库,具备先进的语音活动检测、唤醒词激活和即时转录功能。

KoljaB
⭐ 10,257 Python 👤 KoljaB User 🕐 已更新 2026-11-11 📅 创建时间 2023-08-29
23
QwenAudio/SenseVoice

开源SenseVoiceSmall模型,支持普通话、粤语、英语、日语和韩语的自动语音识别、语言识别、情感识别和音频事件检测。

QwenAudio
⭐ 9,797 C 👤 QwenAudio Organization 🕐 已更新 2026-09-30 📅 创建时间 2024-07-03
24
Uberi/speech_recognition

Python 语音识别模块,支持多种在线和离线引擎及 API。

Uberi
⭐ 9,008 Python 👤 Uberi User 🕐 已更新 2026-11-17 📅 创建时间 2014-04-23
25
nl8590687/ASRT_SpeechRecognition

基于深度学习的中文语音识别系统

nl8590687
⭐ 8,404 Python 👤 nl8590687 User 🕐 已更新 2026-04-10 📅 创建时间 2017-03-06
26
Neywa-Labs/mlx-audio

一个基于 Apple MLX 框架的文本转语音 (TTS)、语音转文本 (STT) 和语音转语音 (STS) 库,可在 Apple Silicon 上提供高效的语音分析。

Neywa-Labs
⭐ 8,315 Python 👤 Neywa-Labs Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-11-27
27
Osmantic/ODS

ODS V3 预发布:在 V3 正式推出前进行公开测试和改进。将您的 PC、Mac 或 Linux 设备变成私有 AI 服务器。

Osmantic
⭐ 7,882 Python 👤 Osmantic Organization 🕐 已更新 2026-11-19 📅 创建时间 2026-02-09
28
anomalyco/hex

适用于 Mac、Windows 和 Linux 的本地语音听写

anomalyco
⭐ 7,836 Rust 👤 anomalyco Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-07-17
29
getopenscreen/openscreen

录制屏幕,发布演示。免费开源,GPU 加速,无水印,无订阅。支持 Windows、macOS 和 Linux。持续维护中。

getopenscreen
⭐ 7,685 TypeScript 👤 getopenscreen Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-03-14
30
TalAter/annyang

💬 您的网站的语音识别

TalAter
⭐ 6,820 TypeScript 👤 TalAter User 🕐 已更新 2026-10-29 📅 创建时间 2013-08-23
31
modelscope/FunClip

基于 FunASR 的视频转录、字幕生成以及带有本地 Gradio UI 的 LLM 辅助剪辑工具。

modelscope
⭐ 6,613 Python 👤 modelscope Organization 🕐 已更新 2026-11-01 📅 创建时间 2023-05-17
32
argmaxinc/argmax-oss-swift

适用于 Apple Silicon 的设备端语音 AI

argmaxinc
⭐ 6,471 Swift 👤 argmaxinc Organization 🕐 已更新 2026-10-27 📅 创建时间 2024-01-26
33
ddean2009/MoneyPrinterPlus

AI一键批量生成各类短视频,自动批量混剪短视频,自动把视频发布到抖音,快手,小红书,视频号上,赚钱从来没有这么容易过! 支持本地语音模型chatTTS,faster-whisper,GPTSoVITS,支持云语音:Azure,阿里云,腾讯云。支持Stable diffusion,comfyUI直接AI生图。使用AI LLM一键生成短视频,一起印钞票!支持:chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud。

ddean2009
⭐ 6,408 Python 👤 ddean2009 User 🕐 已更新 2025-03-07 📅 创建时间 2024-05-09
34
dograh-hq/dograh

开源语音 AI 平台。Vapi 和 Retell 的自托管替代方案。支持本地部署,在语音转语音 (Speech-to-Speech) 或 LLM/STT/TTS 场景下支持 BYOK,配备可视化工作流构建器,原生支持 MCP 和电话集成。

dograh-hq
⭐ 6,240 Python 👤 dograh-hq Organization 🕐 已更新 2026-11-16 📅 创建时间 2025-09-09
35
snakers4/silero-models

Silero 模型:预训练的文本转语音模型,使用起来极其简单

snakers4
⭐ 6,223 Jupyter Notebook 👤 snakers4 User 🕐 已更新 2026-10-15 📅 创建时间 2020-09-11
36
Shaunwei/RealChar

🎙️🤖实时创建、自定义和与您的AI角色/伴侣交谈(全部在一个代码库中!)。使用LLM OpenAI GPT3.5/4、Anthropic Claude2、Chroma Vector DB、Whisper Speech2Text、ElevenLabs Text2Speech在任何地方(移动设备、网页和终端)与AI进行自然无缝的对话🎙️🤖

Shaunwei
⭐ 6,216 JavaScript 👤 Shaunwei User 🕐 已更新 2026-01-20 📅 创建时间 2023-06-26
37
liuzhao1225/YouDub-Desktop

适用于 YouTube/Bilibili 的开源 AI 视频本地化与配音工具:语音识别、字幕翻译、声音克隆、音频混音与渲染。开源 AI 视频翻译配音工具。

liuzhao1225
⭐ 5,874 TypeScript 👤 liuzhao1225 User 🕐 已更新 2026-11-21 📅 创建时间 2023-12-26
38
MahmoudAshraf97/whisper-diarization

基于 OpenAI Whisper 的带说话人分离的自动语音识别

MahmoudAshraf97
⭐ 5,676 Jupyter Notebook 👤 MahmoudAshraf97 User 🕐 已更新 2026-08-15 📅 创建时间 2023-01-25
39
AhmadHassan-BTed/B

一款自主且具备上下文感知能力的 AI 桌面伴侣。使用 Python 构建,具备实时屏幕视觉、自定义 ONNX 语音合成、活动窗口跟踪,以及带有响应式面部表情的动态悬浮界面。

AhmadHassan-BTed
⭐ 5,177 Python 👤 AhmadHassan-BTed User 🕐 已更新 2026-07-07 📅 创建时间 2026-05-02
40
jianchang512/stt

语音识别转文本工具 / 一个离线运行的本地音视频转字幕工具,输出json、srt字幕、纯文字格式

jianchang512
⭐ 4,857 Python 👤 jianchang512 User 🕐 已更新 2026-01-22 📅 创建时间 2023-12-28
41
sanchit-gandhi/whisper-jax

JAX 实现 OpenAI 的 Whisper 模型,可在 TPU 上提速高达 70 倍。

sanchit-gandhi
⭐ 4,649 Jupyter Notebook 👤 sanchit-gandhi User 🕐 已更新 2024-04-03 📅 创建时间 2023-03-02
42
gradio-app/fastrtc

用于实时通信的 Python 库

gradio-app
⭐ 4,639 JavaScript 👤 gradio-app Organization 🕐 已更新 2026-10-21 📅 创建时间 2024-09-25
43
tmoroney/auto-subs

可直接连接至 DaVinci Resolve、Premiere 和 After Effects 的端侧字幕生成功能。

tmoroney
⭐ 4,598 TypeScript 👤 tmoroney User 🕐 已更新 2026-11-11 📅 创建时间 2023-03-15
44
0xShug0/audio.cpp

一个基于ggml的全能纯C++音频模型推理引擎。支持TTS、STT、VAD、语音转换、音乐生成等功能,性能高度优化。无需Python依赖。

0xShug0
⭐ 4,385 C++ 👤 0xShug0 User 🕐 已更新 2026-11-21 📅 创建时间 2026-06-23
45
Open-Less/openless

按住快捷键说话,松开即得润色后的文字。在任意应用的光标处出现。macOS & Windows 的开源语音输入。

Open-Less
⭐ 4,148 Rust 👤 Open-Less Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-27
46
SakiRinn/LiveCaptions-Translator

基于 Windows LiveCaptions 的轻量级且功能强大的实时音频/语音翻译工具。

SakiRinn
⭐ 4,121 C# 👤 SakiRinn User 🕐 已更新 2026-08-17 📅 创建时间 2024-09-13
47
KoljaB/RealtimeVoiceChat

与AI进行自然的口头对话!

KoljaB
⭐ 3,875 Python 👤 KoljaB User 🕐 已更新 2026-11-12 📅 创建时间 2025-04-19
48
vocodedev/vocode-core

构建基于语音的大型语言模型 agente. 模块化 + 开源。

vocodedev
⭐ 3,670 Python 👤 vocodedev Organization 🕐 已更新 2024-11-15 📅 创建时间 2023-02-24
49
antiboredom/videogrep

使用Python进行自动视频剪辑

antiboredom
⭐ 3,446 Python 👤 antiboredom User 🕐 已更新 2024-04-19 📅 创建时间 2014-05-27
50
ahmetoner/whisper-asr-webservice

OpenAI Whisper ASR 网站服务API

ahmetoner
⭐ 3,370 Python 👤 ahmetoner User 🕐 已更新 2026-10-01 📅 创建时间 2022-09-22

常见问题解答

1

GitHub 上最受欢迎的 #speech-to-text 仓库是什么?

GitHub 上排名第一的开源 #speech-to-text 项目是 debpalash/VoiceStudio,拥有 115,753 个 Star。VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案,支持 646 种语言的声音克隆、声音设计、视频配音、听写、转录和有声书创作。

2

#speech-to-text 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #speech-to-text 项目中,最常见的编程语言是 Python, TypeScript, Rust, C++。

3

#speech-to-text 仓库的排名是如何计算的?

我们跟踪了 211 个标记为 #speech-to-text 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 925,003 个 Star,平均每个仓库拥有 4,383 个 Star。排名每日根据 GitHub API 更新。