#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。
共 211 个仓库
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。
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
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。
🚀 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。
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
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。
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。
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。
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。
🎙️🤖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🎙️🤖
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。
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。
常见问题解答
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。
#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++。
#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。