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

151
Neywa-Labs/mlx-audio-swift

用于Apple Silicon上MLX音频处理的模块化Swift SDK

Neywa-Labs
⭐ 822 Swift 👤 Neywa-Labs Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-12-03
152
VRCWizard/TTS-Voice-Wizard

语音转文字转语音。歌曲正在播放。将文本作为OSC消息发送到VRChat以在头像上显示。(STTTS)(语音转TTS)(VRC STT系统)(VTuber TTS)

VRCWizard
⭐ 813 C# 👤 VRCWizard User 🕐 已更新 2026-10-12 📅 创建时间 2022-03-15
153
lobehub/lobe-tts

🎤 Lobe TTS - 面向服务器和浏览器的优质可靠的 TTS/STT 库

lobehub
⭐ 810 TypeScript 👤 lobehub Organization 🕐 已更新 2026-11-12 📅 创建时间 2023-11-02
154
moona3k/macparakeet

适用于Apple Silicon Mac的快速、私密、本地优先的语音应用——支持听写、文件/媒体转录、会议录音、转换功能以及公共自动化命令行界面。免费且开源。

moona3k
⭐ 795 Swift 👤 moona3k User 🕐 已更新 2026-11-09 📅 创建时间 2026-02-10
155
MetaWu2077/Esp32_VoiceChat_LLMs

基于esp32的设备,主要用于与大型语言模型进行语音聊天

MetaWu2077
⭐ 794 C++ 👤 MetaWu2077 User 🕐 已更新 2024-03-24 📅 创建时间 2024-03-09
156
mezbaul-h/june

本地语音聊天机器人,用于进行引人入胜的对话,由Ollama、Hugging Face Transformers和Coqui TTS Toolkit提供支持

mezbaul-h
⭐ 786 Python 👤 mezbaul-h User 🕐 已更新 2024-08-12 📅 创建时间 2024-06-03
157
mallorbc/whisper_mic

允许使用麦克风配合 OpenAI Whisper 的项目。

mallorbc
⭐ 784 Python 👤 mallorbc User 🕐 已更新 2024-07-04 📅 创建时间 2022-09-23
158
soupslurpr/Transcribro

Android 的私有和设备端语音识别键盘和服务。

soupslurpr
⭐ 765 Kotlin 👤 soupslurpr User 🕐 已更新 2026-11-12 📅 创建时间 2024-03-15
159
yeyupiaoling/PaddlePaddle-DeepSpeech

基于PaddlePaddle实现的语音识别,中文语音识别。项目完善,识别效果好。支持Windows,Linux下训练和预测,支持Nvidia Jetson开发板预测。

yeyupiaoling
⭐ 764 Python 👤 yeyupiaoling User 🕐 已更新 2025-12-17 📅 创建时间 2019-11-01
160
amanvirparhar/chaplin

一款实时无声语音识别工具。

amanvirparhar
⭐ 763 Python 👤 amanvirparhar User 🕐 已更新 2025-11-02 📅 创建时间 2025-02-03
161
zhangliwei7758/unity-AI-Chat-Toolkit

使用unity实现AI聊天相关功能。目前这个库包含了对chatgpt、chatglm等大语言模型的api调用的代码实现以及实现了微软Azure以及百度AI的语音服务功能,语音服务均采用web api实现,支持Windows/WebGL/Android等平台

zhangliwei7758
⭐ 763 👤 zhangliwei7758 User 🕐 已更新 2025-07-01 📅 创建时间 2023-07-22
162
ILikeAI/AlwaysReddy

AlwaysReddy是一个LLM语音助手,只需按下一个热键即可随时使用。

ILikeAI
⭐ 760 Python 👤 ILikeAI User 🕐 已更新 2025-03-04 📅 创建时间 2024-01-24
163
rapidaai/voice-ai

Rapida 是一个开源的端到端语音 AI 编排平台,用于构建实时会话语音代理,支持音频流、STT、TTS、VAD、多通道集成、代理状态管理和可观测性。

rapidaai
⭐ 760 Go 👤 rapidaai Organization 🕐 已更新 2026-11-19 📅 创建时间 2023-12-07
164
exPHAT/SwiftWhisper

🎤 在 Swift 中转录音频的最简单方法

exPHAT
⭐ 751 Swift 👤 exPHAT User 🕐 已更新 2024-05-23 📅 创建时间 2023-03-29
165
EmulationAI/awesome-large-audio-models

关于大型语言模型(LLM)在音频人工智能(Audio AI)中应用的资源集合。

EmulationAI
⭐ 748 👤 EmulationAI Organization 🕐 已更新 2026-11-02 📅 创建时间 2023-08-18
166
lhl/voicechat2

本地SRT/LLM/TTS语音聊天

lhl
⭐ 747 Python 👤 lhl User 🕐 已更新 2024-10-12 📅 创建时间 2024-06-29
167
Macoron/whisper.unity

在本地计算机上的 Unity3d 中运行语音转文本模型 (whisper.cpp)。

Macoron
⭐ 730 C# 👤 Macoron User 🕐 已更新 2025-04-17 📅 创建时间 2023-03-26
168
yeyupiaoling/MASR

Pytorch实现的流式与非流式的自动语音识别框架,同时兼容在线和离线识别,目前支持Conformer、Squeezeformer、DeepSpeech2模型,支持多种数据增强方法。

yeyupiaoling
⭐ 729 Python 👤 yeyupiaoling User 🕐 已更新 2026-07-06 📅 创建时间 2020-07-29
169
MycroftAI/adapt

适应意图解析器

MycroftAI
⭐ 722 Python 👤 MycroftAI Organization 🕐 已更新 2024-07-21 📅 创建时间 2015-09-08
170
Baidu-AIP/speech-demo

语音 API 示例

Baidu-AIP
⭐ 709 Java 👤 Baidu-AIP Organization 🕐 已更新 2024-07-25 📅 创建时间 2018-02-24
171
jamsch/expo-speech-recognition

React Native Expo 项目用语音识别

jamsch
⭐ 700 TypeScript 👤 jamsch User 🕐 已更新 2026-10-29 📅 创建时间 2023-10-30
172
Picovoice/speech-to-text-benchmark

语音到文本基准框架

Picovoice
⭐ 700 Python 👤 Picovoice Organization 🕐 已更新 2026-11-16 📅 创建时间 2018-08-04
173
tover0314-w/opentypeless

适用于 macOS、Windows 和 Linux 的开源 AI 语音输入。按下快捷键,自然说话,即可在任何应用中获得润色好的文字。

tover0314-w
⭐ 696 Rust 👤 tover0314-w User 🕐 已更新 2026-11-15 📅 创建时间 2026-02-26
174
zh-plus/openlrc

使用whisper和LLM(GPT,Claude等)将语音转录并翻译为LRC文件。使用whisper和LLM(GPT,Claude等)来转录、翻译你的音频为字幕文件。

zh-plus
⭐ 684 Python 👤 zh-plus User 🕐 已更新 2026-08-10 📅 创建时间 2023-06-08
175
Picovoice/cheetah

基于深度学习的设备端流式语音转文本引擎

Picovoice
⭐ 672 Python 👤 Picovoice Organization 🕐 已更新 2026-11-12 📅 创建时间 2018-10-28
176
iskandaryv/meetingly-ai

开源 AI 面试助手和会议副驾:在 Zoom、Google Meet 和 Teams 通话中实时提供答案,支持设备端转录,并可隐藏于屏幕共享画面之外。适用于 Windows、macOS 和 Linux,是 Cluely、Interview Coder 和 Final Round AI 的免费替代方案。

iskandaryv
⭐ 669 TypeScript 👤 iskandaryv User 🕐 已更新 2026-11-13 📅 创建时间 2025-09-04
177
DenisovAV/flutter_edge_ai

Flutter 端侧 AI——Gemma 及其他大型语言模型、多模态、函数调用、嵌入、RAG 和语音,支持 Android、iOS、Web、macOS、Windows 和 Linux。

DenisovAV
⭐ 669 Dart 👤 DenisovAV User 🕐 已更新 2026-11-20 📅 创建时间 2024-04-02
178
evancohen/sonus

:speech_balloon: /so.nus/ STT(语音转文本)用于 Node 的离线热词检测

evancohen
⭐ 639 JavaScript 👤 evancohen User 🕐 已更新 2026-09-11 📅 创建时间 2016-08-30
179
ErickWendel/localstudio

仅限浏览器使用的 Canva 风格演示文稿工作室,由本地 Web AI 驱动。

ErickWendel
⭐ 637 TypeScript 👤 ErickWendel User 🕐 已更新 2026-10-21 📅 创建时间 2026-06-24
180
watzon/pindrop

一款使用 WhisperKit 进行本地语音转文字的 macOS 原生菜单栏听写应用

watzon
⭐ 628 Swift 👤 watzon User 🕐 已更新 2026-09-05 📅 创建时间 2026-01-26
181
weynechen/intrascribe

可内网私有化部署,给团队/单位使用的语音转录总结工具,完整的前后端代码

weynechen
⭐ 620 TypeScript 👤 weynechen User 🕐 已更新 2025-09-24 📅 创建时间 2025-08-13
182
mmpneo/curses

OBS、VRChat、Twitch聊天和Discord的语音转文本及KB输入字幕

mmpneo
⭐ 620 TypeScript 👤 mmpneo User 🕐 已更新 2024-06-18 📅 创建时间 2022-11-16
183
jitsi/jigasi

Jigasi:作为 Jitsi Meet 会议网关的服务器端应用程序。目前允许常规 SIP 客户端加入会议并提供转录功能。

jitsi
⭐ 615 Java 👤 jitsi Organization 🕐 已更新 2026-11-18 📅 创建时间 2014-08-07
184
vardanagarwal/Proctoring-AI

创建用于在线监考的自动监控软件

vardanagarwal
⭐ 609 Python 👤 vardanagarwal User 🕐 已更新 2024-12-10 📅 创建时间 2020-05-04
185
reriiasu/speech-to-text

使用 faster-whisper 进行实时转录

reriiasu
⭐ 607 HTML 👤 reriiasu User 🕐 已更新 2024-07-23 📅 创建时间 2023-03-30
186
tornikegomareli/Talkify

闪电般快速、免费、本地优先的 macOS 语音听写,支持设备端转录

tornikegomareli
⭐ 599 Swift 👤 tornikegomareli User 🕐 已更新 2026-10-17 📅 创建时间 2026-08-05
187
oxbshw/watch-skill

为 AI 智能体配备眼睛、耳朵和可验证的结果。Watch Skill 将视频、音频和屏幕活动转化为可搜索、带时间戳的证据,并通过确定性契约而非模型观点证明工作成果。DeepWatch 是基于 DeepSeek Harness 构建的智能体工作空间。支持 Python + npm、MCP、CLI、REST 和 Web。

oxbshw
⭐ 599 Python 👤 oxbshw User 🕐 已更新 2026-11-16 📅 创建时间 2026-07-05
188
Xewdy444/Playwright-reCAPTCHA

一个用于使用 Playwright 解决 reCAPTCHA v2 和 v3 的 Python 库

Xewdy444
⭐ 592 Python 👤 Xewdy444 User 🕐 已更新 2026-11-17 📅 创建时间 2023-01-19
189
PunithVT/ai-avatar-system

🎭 AI 数字人平台——上传照片、克隆声音,与任意面孔实时对话,并生成口型同步视频。开源,支持自托管。Claude · Whisper · Chatterbox · MuseTalk。

PunithVT
⭐ 586 Python 👤 PunithVT User 🕐 已更新 2026-11-13 📅 创建时间 2025-11-30
190
dsa/fast-voice-assistant

⚡ 响应时间 <500ms 的超快 AI 语音助手

dsa
⭐ 581 Python 👤 dsa User 🕐 已更新 2024-12-03 📅 创建时间 2024-08-27
⭐ 580 C# 👤 VolcanicArts User 🕐 已更新 2026-10-29 📅 创建时间 2022-03-14
192
ElishaAz/Sayboard

一款使用 Vosk 库的 Android 开源设备端语音输入法(键盘)。

ElishaAz
⭐ 572 Kotlin 👤 ElishaAz User 🕐 已更新 2025-07-01 📅 创建时间 2022-02-16
193
algolia/voice-overlay-ios

🗣 一个覆盖层,获取用户语音权限并在可自定义的 UI 中将输入转换为文本

algolia
⭐ 557 Swift 👤 algolia Organization 🕐 已更新 2026-06-23 📅 创建时间 2018-06-25
194
SonicloudTech/mouse-mcp

面向 Windows x64 上 AI 智能体的硬件鼠标 MCP 服务器。支持 USB HID 控制和语音听写;需要兼容的 uMouse 硬件与固件。

SonicloudTech
⭐ 555 TypeScript 👤 SonicloudTech Organization 🕐 已更新 2026-10-31 📅 创建时间 2026-10-20
195
opennookorg/betterwispr

适用于 macOS 的免费开源、本地优先听写应用。按住快捷键说话,文字就会输入到任何应用中。使用 Whisper、Parakeet 和 Apple 语音技术在设备端将语音转为文本。私密、离线、开源的 Wispr Flow 替代品。

opennookorg
⭐ 544 Swift 👤 opennookorg Organization 🕐 已更新 2026-11-14 📅 创建时间 2026-10-07
196
rtzr/Awesome-Korean-Speech-Recognition

韩语语音识别 STT API 列表。每个性能基准。

rtzr
⭐ 542 👤 rtzr Organization 🕐 已更新 2025-08-15 📅 创建时间 2023-08-21
197
kouhxp/yapsnap

将任何视频链接或音频文件转录为纯文本。无需 GPU,无需云端服务,只需一条命令。

kouhxp
⭐ 538 Python 👤 kouhxp User 🕐 已更新 2026-09-15 📅 创建时间 2026-05-20
198
shashikg/WhisperS2T

支持多种推理引擎的 Whisper 模型优化语音到文本管道

shashikg
⭐ 534 Jupyter Notebook 👤 shashikg User 🕐 已更新 2024-08-27 📅 创建时间 2023-12-16
199
ccoreilly/vosk-browser

一个语音识别库,得益于 Vosk 的 WebAssembly 构建,可在浏览器中运行

ccoreilly
⭐ 531 JavaScript 👤 ccoreilly User 🕐 已更新 2025-12-07 📅 创建时间 2021-02-19
200
C4rohan/Lampline

在自己的电脑上构建 AI 电话客服,并通过 AI 呼叫者测试每一项更改。开源,无需 API 密钥即可免费运行;使用自己的密钥,每次通话只需几分钱。支持导入 Dialogflow CX。

C4rohan
⭐ 529 Python 👤 C4rohan User 🕐 已更新 2026-11-11 📅 创建时间 2026-10-19