搜索结果：speech-to-text（19 个）
按分类缩小范围
hex
综合 63
支持 Mac、Windows 和 Linux 的本地语音听写转文字工具。
自托管的抖音、TikTok、B 站数据采集与去水印下载 API，支持 MCP 调用、离线转文字及 Docker 部署。
FunASR
综合 80
支持训练、推理、流式 ASR、VAD、标点恢复及 OpenAI/MCP 兼容服务的开源语音识别工具包。
leon
综合 80
一款开源的个人智能助理。
VidBee
综合 71
支持从千余站点下载音视频，本地转写并标注说话人，结合 AI 实现总结、翻译及对话。
speechbrain
综合 71
基于 PyTorch 的开源全能语音处理工具包。
screenpipe
综合 69
持续记录电脑屏幕工作轨迹以梳理工作流，并为 AI Agent 提供上下文背景记忆。
faster-whisper
综合 67
基于 CTranslate2 的高速 Whisper 转录工具。
pyvideotrans
综合 66
将视频从一种语言翻译为另一种语言，并自动生成配音与字幕。
speech-to-speech
综合 65
基于开源模型构建语音智能体（Voice Agent）的开发库。
meetily
综合 62
面向 Windows 和 macOS 的本地 AI 会议记录工具。基于本地 Whisper/Parakeet 转录并识别人声，Granola 开源替代品。
Handy
综合 62
免费、开源且可扩展的语音转文字应用，支持完全离线运行。
whisperX
综合 61
具备词级时间戳和说话人日志（Diarization）功能的自动语音识别工具。
WhisperLiveKit
综合 61
本地实时流式语音转文字工具，支持说话人分离、翻译及兼容 OpenAI 的 API。
openwhispr
综合 59
跨平台语音转文字应用，支持本地模型（Whisper 等）与云端模型，注重隐私保护。
kaldi
综合 53
语音识别工具包 Kaldi 的官方开源代码仓库。
voice-pro
综合 47
面向创作者的 Gradio WebUI，集成主流 TTS、零样本声音克隆与人声分离等功能。
sherpa-onnx
综合 43
基于新一代 Kaldi 与 ONNX Runtime 的离线语音工具包，支持语音识别、TTS、声纹与降噪等多端部署。
FluidAudio
综合 42
Swift 音频库，为应用提供前沿 CoreML 模型，支持 TTS、STT、语音活动检测与说话人日志。