Git Stars Git Stars

#speech-to-text 仓库

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

51
FluidInference/FluidAudio

Frontier CoreML 音频模型,适用于您的应用 — 文本转语音、语音转文本、语音活动检测和说话人分离。采用 SOTA 开源技术,支持 Swift。

FluidInference
⭐ 3,319 Swift 👤 FluidInference Organization 🕐 已更新 2026-11-19 📅 创建时间 2025-06-21
52
Purfview/whisper-standalone-win

Whisper & Faster-Whisper 独立可执行文件,供不想折腾 Python 的用户使用。

Purfview
⭐ 3,229 👤 Purfview User 🕐 已更新 2025-11-07 📅 创建时间 2023-02-25
53
ictnlp/LLaMA-Omni

LLaMA-Omni 是一个基于 Llama-3.1-8B-Instruct 构建的低延迟、高质量的端到端语音交互模型,旨在实现 GPT-4o 级别的语音能力。

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 已更新 2025-05-19 📅 创建时间 2024-09-10
54
HeyWillow/willow

开源、本地化、自托管的 Amazon Echo/Google Home 竞争性语音助手替代方案

HeyWillow
⭐ 3,142 C 👤 HeyWillow Organization 🕐 已更新 2026-11-01 📅 创建时间 2023-03-31
55
pluja/anysub

通过易于使用的网页界面,将音频和视频转换为字幕。一切都在你自己的设备上运行。原名 Whishper。

pluja
⭐ 3,106 TypeScript 👤 pluja User 🕐 已更新 2026-11-21 📅 创建时间 2023-08-26
56
kyutai-labs/delayed-streams-modeling

Kyutai 基于延迟流建模框架的语音转文本和文本转语音模型。

kyutai-labs
⭐ 3,055 Python 👤 kyutai-labs Organization 🕐 已更新 2026-01-26 📅 创建时间 2025-06-16
57
Vexa-ai/vexa

面向 Google Meet、Microsoft Teams 和 Zoom 的开源会议转录 API。自动加入机器人、实时 WebSocket 转录、用于 AI 代理的 MCP 服务器。自托管或使用托管 SaaS。

Vexa-ai
⭐ 3,002 Python 👤 Vexa-ai Organization 🕐 已更新 2026-11-13 📅 创建时间 2025-02-07
58
davabase/whisper_real_time

使用 OpenAI Whisper 进行实时转录。

davabase
⭐ 2,936 Python 👤 davabase User 🕐 已更新 2025-04-15 📅 创建时间 2022-11-29
⭐ 2,868 Python 👤 tensorflow Organization 🕐 已更新 2026-10-29 📅 创建时间 2018-07-24
60
linto-ai/whisper-timestamped

具有词级时间戳和置信度的多语言自动语音识别

linto-ai
⭐ 2,860 Python 👤 linto-ai Organization 🕐 已更新 2026-09-28 📅 创建时间 2023-01-13
61
FrigadeHQ/yogurt

保存在你电脑上的私密 AI 会议记录。无需会议机器人。适用于 Mac、Windows 和 Linux 的免费开源软件。Granola、Otter 和 Fireflies 的替代方案。

FrigadeHQ
⭐ 2,828 TypeScript 👤 FrigadeHQ Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-11-10
62
iamsrikanthnani/pluely

Cluely 的开源替代品 - 一款闪电般快速、注重隐私的 AI 助手,可在会议、面试和对话中无缝运行,而无人知晓。使用 Tauri 构建,性能原生,仅 10MB。在视频通话、屏幕共享和录制中完全无法检测。

iamsrikanthnani
⭐ 2,793 TypeScript 👤 iamsrikanthnani User 🕐 已更新 2026-10-26 📅 创建时间 2025-08-16
63
yazinsai/OpenOats

一款美观简约的 Mac 会议录音工具。按下“开始”,再按“停止”,即可在一个 Markdown 文件中获得笔记和文字转录。所有处理均在设备上完成,免费且开源。

yazinsai
⭐ 2,688 Swift 👤 yazinsai User 🕐 已更新 2026-11-17 📅 创建时间 2026-02-28
64
ishan0102/vimGPT

使用 GPT-4V 和 Vimium 浏览网页

ishan0102
⭐ 2,672 Python 👤 ishan0102 User 🕐 已更新 2024-09-25 📅 创建时间 2023-11-07
⭐ 2,657 C++ 👤 microsoft Organization 🕐 已更新 2026-11-17 📅 创建时间 2025-03-31
66
coqui-ai/STT

🐸STT - 语音转文本的深度学习工具包。训练和部署 STT 模型从未如此简单。

coqui-ai
⭐ 2,547 C++ 👤 coqui-ai Organization 🕐 已更新 2024-03-11 📅 创建时间 2021-03-04
67
meizhong986/WhisperJAV

ASR/STT 字幕生成器。使用 Qwen3-ASR、本地 LLM、Whisper、TEN-VAD。对噪声具有鲁棒性,适用于 JAV。

meizhong986
⭐ 2,490 Python 👤 meizhong986 User 🕐 已更新 2026-11-15 📅 创建时间 2023-10-18
68
sindresorhus/awesome-whisper

🔊 Whisper 的精彩列表 — 由 OpenAI 开发的开源 AI 语音识别系统

sindresorhus
⭐ 2,435 👤 sindresorhus User 🕐 已更新 2026-09-17 📅 创建时间 2023-05-10
69
yan5xu/ququ

开源免费的 Wispr Flow 替代方案 | 集成FunASR本地模型和可配置大语言模型的下一代中文桌面语音工作流

yan5xu
⭐ 2,298 JavaScript 👤 yan5xu User 🕐 已更新 2025-10-08 📅 创建时间 2025-09-20
70
jianfch/stable-ts

使用OpenAI的Whisper进行转录、强制对齐和音频索引

jianfch
⭐ 2,251 Python 👤 jianfch User 🕐 已更新 2025-10-29 📅 创建时间 2022-09-29
71
handy-computer/transcribe.cpp

支持 16 种以上模型系列的 ggml 语音转文字推理

handy-computer
⭐ 2,194 C++ 👤 handy-computer Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-04-07
72
pannous/tensorflow-speech-recognition

🎙使用 TensorFlow 深度学习框架的语音识别,sequence-to-sequence neural networks

pannous
⭐ 2,176 Python 👤 pannous User 🕐 已更新 2024-01-17 📅 创建时间 2015-12-07
73
Nutlope/notesGPT

录制语音笔记并转录、总结和获取任务

Nutlope
⭐ 2,165 TypeScript 👤 Nutlope User 🕐 已更新 2026-07-12 📅 创建时间 2023-11-08
74
intel/openvino-plugins-ai-audacity

Audacity® 的一组支持 AI 的效果、生成器和分析器。

intel
⭐ 2,163 C++ 👤 intel Organization 🕐 已更新 2026-10-19 📅 创建时间 2023-09-06
75
ricky0123/vad

适用于浏览器的带简单 API 的语音活动检测器 (VAD)

ricky0123
⭐ 2,080 TypeScript 👤 ricky0123 User 🕐 已更新 2026-09-12 📅 创建时间 2022-10-17
76
techjarves/Portable-Local-Studio

适用于 Windows、Linux 和 macOS 的便携式本地 AI 工作室。无需设置的图形界面,支持图像生成、GGUF 大语言模型、文本转语音和语音转文本

techjarves
⭐ 2,076 JavaScript 👤 techjarves User 🕐 已更新 2026-11-14 📅 创建时间 2026-06-04
77
schibsted/WAAS

Whisper as a Service (带队列的OpenAI Whisper GUI和API)

schibsted
⭐ 2,071 JavaScript 👤 schibsted Organization 🕐 已更新 2026-11-11 📅 创建时间 2022-10-13
78
HanyuanWang/LiveStream-Agent-Studio

面向抖音直播电商的 Windows 本地 AI Agent Studio,贯通主播发现、直播洞察、直播复盘与短视频内容编导的统一智能工作流。

HanyuanWang
⭐ 2,052 Python 👤 HanyuanWang User 🕐 已更新 2026-08-24 📅 创建时间 2026-08-22
79
jarikomppa/soloud

游戏用的免费、易用、便携的音频引擎

jarikomppa
⭐ 2,040 C 👤 jarikomppa User 🕐 已更新 2024-08-13 📅 创建时间 2013-07-15
80
lanbinleo/bili2text

Bilibili视频转文字,一步到位,输入链接即可使用

lanbinleo
⭐ 2,020 Python 👤 lanbinleo User 🕐 已更新 2026-11-03 📅 创建时间 2023-11-25
81
kadirnar/whisper-plus

WhisperPlus:更快、更智能、更强大 🚀

kadirnar
⭐ 1,945 Python 👤 kadirnar User 🕐 已更新 2026-11-02 📅 创建时间 2023-11-21
82
TypeWhisper/typewhisper-mac

macOS 本地语音转文字 设备端 AI,完全隐私,可选云端

TypeWhisper
⭐ 1,940 Swift 👤 TypeWhisper Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-02-12
83
bugbakery/audapolis

一个带有自动转录功能的口语音频编辑器

bugbakery
⭐ 1,906 TypeScript 👤 bugbakery Organization 🕐 已更新 2026-06-24 📅 创建时间 2021-09-03
85
peteonrails/voxtype

Wayland 合成器的按键触发语音转文本

peteonrails
⭐ 1,810 Rust 👤 peteonrails User 🕐 已更新 2026-11-20 📅 创建时间 2025-11-28
86
software-mansion/react-native-executorch

高性能、隐私优先的 React Native 端侧 AI 推理库,由 PyTorch 的 ExecuTorch 运行时提供支持

software-mansion
⭐ 1,794 TypeScript 👤 software-mansion Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-10-16
87
x007xyz/flycut-caption

一个完整的视频字幕编辑React组件,具有AI驱动的语音识别和可视化编辑功能。

x007xyz
⭐ 1,782 TypeScript 👤 x007xyz User 🕐 已更新 2026-11-20 📅 创建时间 2025-09-22
88
antirez/voxtral.c

Mistral Voxtral Realtime 4B 语音转换文本模型的纯 C 推理

antirez
⭐ 1,755 C 👤 antirez User 🕐 已更新 2026-02-15 📅 创建时间 2026-02-05
89
mkiol/dsnote

Speech Note Linux 应用。通过离线语音转文本、文本转语音和机器翻译进行笔记记录、阅读和翻译。

mkiol
⭐ 1,720 C++ 👤 mkiol User 🕐 已更新 2026-11-18 📅 创建时间 2021-10-07
90
Olcmyk/HuChenFeng

收集户晨风的所有内容

Olcmyk
⭐ 1,683 👤 Olcmyk User 🕐 已更新 2026-02-17 📅 创建时间 2025-10-06
91
royshil/obs-localvocal

用于本地语音识别和字幕的OBS插件,支持AI

royshil
⭐ 1,674 C++ 👤 royshil User 🕐 已更新 2026-11-05 📅 创建时间 2023-08-10
92
isaackogan/TikTokLive

TikTok LIVE Python API:用于从 TikTok LIVE 实时接收直播事件(评论、礼物等)的权威第三方库。

isaackogan
⭐ 1,665 Python 👤 isaackogan User 🕐 已更新 2026-10-20 📅 创建时间 2022-02-24
93
waybarrios/vllm-mlx

适用于 Apple Silicon 的高性能 OpenAI 和 Anthropic 兼容 LLM 推理服务器。原生 MLX、连续批处理、多模态模型、MCP 工具调用和 Claude Code 支持。

waybarrios
⭐ 1,657 Python 👤 waybarrios User 🕐 已更新 2026-11-07 📅 创建时间 2025-12-06
94
Muesli-HQ/muesli

Muesli:macOS 上原生支持智能体的本地会议转录与语音听写(Granola + WisprFlow + Littlebird 的替代品)

Muesli-HQ
⭐ 1,652 Swift 👤 Muesli-HQ Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-03-05
95
amicalhq/amical

适用于 macOS 和 Windows 的免费开源语音输入。使用 Whisper 和 Parakeet 在本地进行语音转文字,也支持离线使用。

amicalhq
⭐ 1,648 TypeScript 👤 amicalhq Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-05-08
96
Norsico/Video-Materials-AutoGEN-Workstation

一个集内容策划、AI文案自动生成、TTS 批量自动配音、(AI)图片素材合成、ASR自动提取语言字幕脚本、AI自由创作于一体的(短视频)生成工作站。方便管理每期的视频项目。

Norsico
⭐ 1,624 Python 👤 Norsico User 🕐 已更新 2026-10-14 📅 创建时间 2025-11-18
97
QwenAudio/Fun-ASR

Fun-ASR 语音识别模型,为 Fun-ASR-Nano 提供原生 Hugging Face Transformers 支持,并提供独立的 FunASR、vLLM 和 llama.cpp 部署路径。

QwenAudio
⭐ 1,614 C 👤 QwenAudio Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-12-15
98
yakGPT/yakGPT

本地运行的免提 ChatGPT UI

yakGPT
⭐ 1,614 TypeScript 👤 yakGPT User 🕐 已更新 2024-05-08 📅 创建时间 2023-03-30
99
silverstein/minutes

开源、本地优先的 Granola/Otter 替代方案,Claude Code、Codex、Cursor 以及任何 MCP 客户端都可以查询。会议、通话和语音备忘录均在设备上转录为由你掌控的 Markdown。

silverstein
⭐ 1,612 Rust 👤 silverstein User 🕐 已更新 2026-11-21 📅 创建时间 2026-03-18
100
kyutai-labs/unmute

让文本大语言模型能够听和说

kyutai-labs
⭐ 1,556 Python 👤 kyutai-labs Organization 🕐 已更新 2026-09-09 📅 创建时间 2025-06-10