#transcription 仓库
探索 72 个标记为 #transcription 的活跃开源 GitHub 仓库,它们累计获得 322,848 个 Star(平均每个项目 4,484 个)。该主题的领先项目是 debpalash/VoiceStudio,拥有 115,753 个 Star。
共 72 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
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。
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。
免费开源的 PDF、图像、视频和音频文件工具包。只需一条 Docker 命令,即可在自己的服务器上进行压缩、转换、OCR、背景移除和转录。提供 200 多种工具、本地 AI 和 REST API。可替代 iLovePDF、TinyWow、CloudConvert 和 remove.bg。
旧版 Swift Hex 应用程序。请在 hex.kitlangton.com 体验 Rust 重写版本;新源代码位于 github.com/anomalyco/hex。
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。
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。
小红书 AI 运营工作台|小红书采集、评论区下载、素材库、选题、AI写作、小红书全域解决方案,开箱即用,一键安装,小红书AI工作台,自媒体素材库,AI写作+图片自动编排,小红书版OpenClaw、自媒体资产底座+AI工作台,支持小红书图文+小红书评论区下载、小红书AI创作工具、自媒体版WorkBuddy、抖音、小红书爬虫数据采集
让Claude(或任何大语言模型)真正观看视频——场景感知、去重帧+转录文本,支持URL或本地文件。本地运行,MIT许可证。
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。
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。
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 🤯🤯🤯
「硬地骇客 - 两个月 $12000 ARR 实践之路」是由 硬地骇客 团队编著,本书是关于 Podwise 产品历程的忠实记录:内容包含 灵感 - 构建 - 发布 - 增长 - 复盘 五个章节。如果你觉得一个人读不够过瘾,欢迎加入「硬地骇客」官方知识星球与专家们一起讨论!Podwise 的故事才刚刚开始,我们也将在星球持续分享我们的认知,成功可能无法复制,但失败一定可以借鉴。现在就点击下方链接加入吧!
把中文全渠道内容(抖音 / B站 / 小红书 / 公众号 / X / 播客)采集进个人知识库的 14 个 AI Skill:图文存图、视频转文字稿、字幕优先免 GPU、RSS/YouTube 订阅调度与每日情报简报,附带知识库 MCP server。|把中文内容采集进个人知识库——图文/视频路由、字幕优先转写、订阅源订阅与每日简报,以及知识库 MCP server。
视频音频生成字幕,生成srt文件。无需申请第三方API,本地实现音频转文本。基于Transformer的视频字幕生成框架。一个用于从视频生成字幕并生成srt文件的GUI工具。
面向智能体的 AI 视频编辑器。ChatCut 插件和 MCP 服务器支持 Codex、ChatGPT、Claude Code、Cursor、Grok、Gemini CLI、WorkBuddy、豆包办公和通义千问办公:通过对话编辑自己的视频素材、添加字幕、删除静音片段和口头填充词、制作动态图形,并导出可编辑的时间线。
任意文件 → 为 AI 智能体生成干净的 Markdown:PDF、Word、PowerPoint、Excel、EPUB、HTML 和网页、图像(OCR)、音频和视频(元数据、字幕、转录文本)。快速的 Rust MCP 服务器和命令行工具,可在你的机器上运行。无需 API 密钥。
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。
常见问题解答
GitHub 上最受欢迎的 #transcription 仓库是什么?
GitHub 上排名第一的开源 #transcription 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。
#transcription 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #transcription 项目中,最常见的编程语言是 Python, TypeScript, Rust, Swift。
#transcription 仓库的排名是如何计算的?
我们跟踪了 72 个标记为 #transcription 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 322,848 个 Star,平均每个仓库拥有 4,484 个 Star。排名每日根据 GitHub API 更新。