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

102
AlekPet/ComfyUI_Custom_Nodes_AlekPet

扩展Comfyui功能的自定义节点

AlekPet
⭐ 1,535 JavaScript 👤 AlekPet User 🕐 已更新 2026-11-20 📅 创建时间 2023-05-10
103
zackees/transcribe-anything

多后端 Whisper 应用。极速。Mac-ARM 优化。安装简便。输入本地文件或 URL,此服务将使用 Whisper AI 进行转录。完全私密且免费 🤯🤯🤯

zackees
⭐ 1,488 Python 👤 zackees User 🕐 已更新 2026-10-26 📅 创建时间 2021-05-09
104
ARahim3/mlx-tune

使用 Apple Silicon 在你的 Mac 上微调 LLM。SFT、DPO、GRPO、视觉、TTS、STT、嵌入和 OCR 微调 — 原生在 MLX 上。与 Unsloth 兼容的 API。

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 已更新 2026-06-23 📅 创建时间 2026-01-03
105
R3gm/SoniTranslate

视频同步翻译。视频配音

R3gm
⭐ 1,430 Python 👤 R3gm User 🕐 已更新 2026-08-29 📅 创建时间 2023-06-27
106
0nutation/SpeechGPT

SpeechGPT系列:语音大语言模型

0nutation
⭐ 1,397 Python 👤 0nutation User 🕐 已更新 2024-07-22 📅 创建时间 2023-05-16
107
coqui-ai/open-speech-corpora

💎 ASR、TTS 及其他语音技术的可访问语音语料库列表

coqui-ai
⭐ 1,377 👤 coqui-ai Organization 🕐 已更新 2024-06-06 📅 创建时间 2019-01-31
108
Softcatala/whisper-ctranslate2

基于CTranslate2的Whisper命令行客户端,兼容原始OpenAI客户端。

Softcatala
⭐ 1,374 Python 👤 Softcatala Organization 🕐 已更新 2026-11-12 📅 创建时间 2023-03-17
109
Robitx/gp.nvim

Gp.nvim (GPT 提示) Neovim AI 插件:ChatGPT 会话和可指令文本/代码操作和语音转文本 [OpenAI, Ollama, Anthropic, ..]

Robitx
⭐ 1,322 Lua 👤 Robitx User 🕐 已更新 2025-08-11 📅 创建时间 2023-06-18
110
Capsize-Games/airunner

艺术、实时语音对话、LLM驱动的聊天机器人和自动化工作流的离线推理引擎

Capsize-Games
⭐ 1,317 Python 👤 Capsize-Games Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-03-21
111
goodroot/hyprwhspr

Linux 原生语音转文字 - 快速、准确、私密且可黑客化的全系统听写

goodroot
⭐ 1,287 Python 👤 goodroot User 🕐 已更新 2026-11-19 📅 创建时间 2025-08-27
112
ictnlp/StreamSpeech

StreamSpeech 是一个用于离线和同声语音识别、语音翻译和语音合成的“一体化”无缝模型。

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 已更新 2025-06-29 📅 创建时间 2024-06-04
113
modal-labs/quillman

一款语音聊天应用

modal-labs
⭐ 1,214 Python 👤 modal-labs Organization 🕐 已更新 2026-10-30 📅 创建时间 2023-04-19
114
Kieirra/murmure

完全本地、私密且跨平台的语音转文字,带有LLM后处理

Kieirra
⭐ 1,170 TypeScript 👤 Kieirra User 🕐 已更新 2026-11-20 📅 创建时间 2025-10-12
115
PromtEngineer/Verbi

一个模块化的语音助手应用程序,用于试验最先进的转录、响应生成和文本转语音模型。支持 OpenAI、Groq、Elevenlabs、CartesiaAI 和 Deepgram API,以及通过 Ollama 的本地模型。非常适合语音技术的研究和开发。

PromtEngineer
⭐ 1,125 Python 👤 PromtEngineer User 🕐 已更新 2025-11-22 📅 创建时间 2024-05-20
116
ardha27/AI-Waifu-Vtuber

用于在Youtube/Twitch上直播的AI虚拟主播

ardha27
⭐ 1,124 Python 👤 ardha27 User 🕐 已更新 2026-05-31 📅 创建时间 2023-03-11
117
Saik0s/Whisperboard

一款让移动设备上的高质量语音转写更加易用的开源 iOS 应用。

Saik0s
⭐ 1,112 Swift 👤 Saik0s User 🕐 已更新 2025-12-18 📅 创建时间 2022-12-23
118
PatterAI/Patter

开源语音AI SDK。面向希望拥有技术栈的开发者的Vapi/Retell替代方案。用4行代码为您的AI代理分配一个电话号码——支持Python和TypeScript,MIT许可,兼容Twilio、Telnyx和Plivo。

PatterAI
⭐ 1,086 Python 👤 PatterAI Organization 🕐 已更新 2026-11-04 📅 创建时间 2026-04-07
119
VocaHQ/vocalinux

免费、开源、100%离线的Linux语音听写工具。通过whisper.cpp、Whisper和VOSK引擎,随时随地说话打字,支持GPU加速,兼容X11和Wayland!

VocaHQ
⭐ 1,036 Python 👤 VocaHQ Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-04-12
120
voquill/voquill

开源语音听写技术

voquill
⭐ 1,031 TypeScript 👤 voquill Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-09-23
121
fossasia/voxbento_translator

Voxbento 翻译项目

fossasia
⭐ 1,023 JavaScript 👤 fossasia Organization 🕐 已更新 2026-07-31 📅 创建时间 2017-11-25
122
dimastatz/whisper-flow

Whisper-Flow 是一个框架,旨在利用 OpenAI 的 Whisper 模型实现音频内容的实时转录。与上传后一次性处理整个文件(批处理模式)不同,Whisper-Flow 接受连续音频块流,并即时生成增量转录。

dimastatz
⭐ 1,020 Python 👤 dimastatz User 🕐 已更新 2026-11-15 📅 创建时间 2024-06-03
123
TensorSpeech/TensorFlowASR

:zap: TensorFlowASR: TensorFlow 2 中几乎最先进的自动语音识别。支持使用字符或子词的语言

TensorSpeech
⭐ 1,018 Python 👤 TensorSpeech Organization 🕐 已更新 2026-11-14 📅 创建时间 2020-02-13
124
nomily-ai/nomily-app

支持 BYOK 的语音录音助手,具备 ASR 转录、说话人分离、AI 摘要以及本地 ASR 端点支持。

nomily-ai
⭐ 1,014 👤 nomily-ai User 🕐 已更新 2026-11-19 📅 创建时间 2026-08-05
125
QwenAudio/Fun-Audio-Chat

Fun-Audio-Chat 是一个专为自然、低延迟语音交互而构建的大型音频语言模型。

QwenAudio
⭐ 1,014 Python 👤 QwenAudio Organization 🕐 已更新 2026-09-24 📅 创建时间 2025-12-23
126
susiai/susi_shell

这套工具允许用户直接从终端与 AI 服务进行交互。

susiai
⭐ 1,004 Python 👤 susiai Organization 🕐 已更新 2025-05-04 📅 创建时间 2017-11-25
127
savbell/whisper-writer

💬📝 一个使用OpenAI的Whisper语音识别模型的小型听写应用程序。

savbell
⭐ 993 Python 👤 savbell User 🕐 已更新 2024-08-24 📅 创建时间 2023-04-18
128
livekit/agents-js

使用 Node.js 构建实时多模态 AI 代理

livekit
⭐ 971 TypeScript 👤 livekit Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-04-01
129
alesaccoia/VoiceStreamAI

使用自托管 Whisper 和 WebSocket 在 Python/JS 中进行近乎实时的音频转录

alesaccoia
⭐ 962 Python 👤 alesaccoia User 🕐 已更新 2026-08-13 📅 创建时间 2023-12-26
130
sandrohanea/whisper.net

Whisper.net. 使用 Whisper 模型轻松实现语音转文本

sandrohanea
⭐ 954 C# 👤 sandrohanea User 🕐 已更新 2026-11-15 📅 创建时间 2023-02-03
131
jitsi/jiwer

使用诸如词错误率 (WER) 等相似度度量来评估您的语音转文本系统

jitsi
⭐ 946 Python 👤 jitsi Organization 🕐 已更新 2026-09-03 📅 创建时间 2018-06-19
132
yuxino/Mimi

将电脑或麦克风音频实时转换为翻译字幕。

yuxino
⭐ 943 Rust 👤 yuxino User 🕐 已更新 2026-11-21 📅 创建时间 2026-07-22
⭐ 943 JavaScript 👤 codeforequity-at User 🕐 已更新 2026-10-21 📅 创建时间 2019-12-03
134
hehehai/VoxtMini

适用于 macOS 的本地模型语音输入:在任何应用中进行转录、翻译和改写。Voxt 的继任者。

hehehai
⭐ 916 Go 👤 hehehai User 🕐 已更新 2026-11-21 📅 创建时间 2026-02-26
135
backmeupplz/voicy

Voicy(@voicybot):一款 Telegram 机器人,可将群组和私聊中的语音消息转换为文字

backmeupplz
⭐ 915 JavaScript 👤 backmeupplz User 🕐 已更新 2026-11-19 📅 创建时间 2016-12-03
⭐ 912 C# 👤 VladislavAntonyuk User 🕐 已更新 2026-07-16 📅 创建时间 2021-11-16
137
marswaveai/TypeNo

一款免费、开源、以隐私为先的 macOS 语音输入应用。

marswaveai
⭐ 906 Swift 👤 marswaveai Organization 🕐 已更新 2026-08-28 📅 创建时间 2026-03-24
138
TheStageAI/TheWhisper

针对流式传输和端侧设备使用优化的 Whisper 模型

TheStageAI
⭐ 905 Python 👤 TheStageAI Organization 🕐 已更新 2026-10-31 📅 创建时间 2025-10-19
139
lifeiteng/OmniSenseVoice

Omni SenseVoice:带有单词时间戳的高速语音识别 🗣️🎯

lifeiteng
⭐ 897 Python 👤 lifeiteng User 🕐 已更新 2025-12-10 📅 创建时间 2024-09-22
140
BryceWG/BiBi-Keyboard

说点啥(BiBi Keyboard):一个基于Kotlin的Android平台的LLM与ASR语音输入法键盘应用

BryceWG
⭐ 896 Kotlin 👤 BryceWG User 🕐 已更新 2026-11-19 📅 创建时间 2025-10-06
141
yeyupiaoling/PPASR

基于PaddlePaddle实现端到端中文语音识别,从入门到实战,超简单的入门案例,超实用的企业项目。支持当前最流行的DeepSpeech2、Conformer、Squeezeformer模型

yeyupiaoling
⭐ 868 Python 👤 yeyupiaoling User 🕐 已更新 2025-12-17 📅 创建时间 2021-02-26
142
Blue-B/WhisperSubTranslate

一款免费的本地桌面应用程序,可从视频中提取字幕 (SRT) 并将其翻译成任何语言——无限使用,无需注册,无需云端。

Blue-B
⭐ 853 JavaScript 👤 Blue-B User 🕐 已更新 2026-11-18 📅 创建时间 2025-08-11
143
corvo007/MioSub

一站式全自动字幕生成软件,下载、转录、翻译、压制全流程覆盖,无需人工介入。

corvo007
⭐ 844 TypeScript 👤 corvo007 User 🕐 已更新 2026-10-20 📅 创建时间 2025-11-22
144
JamesBrill/react-speech-recognition

💬为您的 React 应用提供语音识别

JamesBrill
⭐ 839 JavaScript 👤 JamesBrill User 🕐 已更新 2025-06-06 📅 创建时间 2016-12-13
145
mustafaaljadery/lightning-whisper-mlx

使用 MLX 针对 Apple Silicon 进行优化的极速 Whisper 实现。

mustafaaljadery
⭐ 835 Python 👤 mustafaaljadery User 🕐 已更新 2024-05-08 📅 创建时间 2024-03-23
146
saharmor/whisper-playground

使用 OpenAI 的 Whisper 构建实时 speech2text 网页应用 https://openai.com/blog/whisper/

saharmor
⭐ 835 Python 👤 saharmor User 🕐 已更新 2025-09-12 📅 创建时间 2022-10-02
147
Azure-Samples/aoai-realtime-audio-sdk

用于使用 gpt-4o 实时功能的 Azure OpenAI 代码资源。

Azure-Samples
⭐ 832 TypeScript 👤 Azure-Samples Organization 🕐 已更新 2025-09-30 📅 创建时间 2024-10-01
148
Notely-Voice/NotelyVoice

一款 100% 注重隐私的 AI 语音转录应用,可将 100 多种语言的语音转换为文字。使用 Whisper AI 和 Compose Multiplatform 为 Android 与 iOS 打造——无需上传到云端,所有处理均在设备上完成,全面保护隐私。请直接通过以下邮箱联系我们:[email protected]

Notely-Voice
⭐ 829 C++ 👤 Notely-Voice Organization 🕐 已更新 2026-11-12 📅 创建时间 2024-10-20
149
CrispStrobe/CrispASR

用于多语言 ASR 和 TTS 模型的 C++ ggml 运行时中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,以及通用强制对齐等功能

CrispStrobe
⭐ 823 C++ 👤 CrispStrobe User 🕐 已更新 2026-11-21 📅 创建时间 2026-03-29
150
deepgram/kur

描述性深度学习

deepgram
⭐ 823 Python 👤 deepgram Organization 🕐 已更新 2024-02-05 📅 创建时间 2016-11-19