Vosk Speech Recognition Toolkit

支持 20 多种语言的离线语音识别工具包。它可以在 Android、iOS、Raspberry Pi 和服务器上运行，并提供 Python、Java、C#、Swift 和 Node 的绑定。Vosk 提供流式 API 和说话人识别，使其适用于各种应用。Vosk 是一个支持 20 多种语言的离线语音识别工具包。它可以在 Android、iOS、Raspberry Pi 和服务器上运行，并提供 Python、Java、C#、Swift 和 Node 的绑定。Vosk 提供流式 API 和说话人识别，使其适用于各种应用。

SpeechRecognition

AI GitHub 仓库

speech_recognition是一个Python模块，通过支持多种引擎和API来简化语音识别的过程，适用于在线和离线使用。它旨在易于使用并集成到Python应用程序中，为开发者提供灵活的语音处理工具。

WeNet

AI GitHub 仓库

#166

开源的端到端语音识别工具包，专为生产环境设计。它提供强大而高效的语音识别能力，适用于各种需要准确语音转文本的应用。WeNet是一个开源的端到端语音识别工具包，专为生产环境设计。它提供强大而高效的语音识别能力，适用于各种需要准确语音转文本的应用。

FunASR

AI GitHub 仓库

#118

开源语音识别工具包，旨在用于训练、推理和流式ASR。它支持VAD、标点、说话人分离以及与OpenAI兼容的MCP服务，使其成为开发人员的多功能工具。FunASR是一个开源语音识别工具包，旨在用于训练、推理和流式ASR。它支持VAD、标点、说话人分离以及与OpenAI兼容的MCP服务，使其成为开发人员的多功能工具。

Sherpa-ONNX

AI GitHub 仓库

#70

开源项目，提供语音转文本、文本转语音、说话人分离等功能，使用Kaldi与onnxruntime。它支持多种平台和编程语言，具备离线能力。Sherpa-ONNX是一个开源项目，提供语音转文本、文本转语音、说话人分离等功能，使用Kaldi与onnxruntime。它支持多种平台和编程语言，具备离线能力。

WhisperLiveKit

AI GitHub 仓库

实时本地语音转文本工具，提供流式自动语音识别（ASR）、说话人分离和翻译功能。它支持与 OpenAI 和 Deepgram 兼容的 API，使其成为寻求强大语音处理解决方案的开发者的多功能工具。WhisperLiveKit 是一个实时本地语音转文本工具，提供流式自动语音识别（ASR）、说话人分离和翻译功能。它支持与 OpenAI 和 Deepgram 兼容的 API，使其成为寻求强大语音处理解决方案的开发者的多功能工具。

whisper.cpp

AI GitHub 仓库

OpenAI的Whisper模型在C/C++中的移植。它允许开发者在GitHub上参与其开发，促进语音识别技术的协作与创新。whisper.cpp是OpenAI的Whisper模型在C/C++中的移植。它允许开发者在GitHub上参与其开发，促进语音识别技术的协作与创新。

argmax-oss-swift

AI GitHub 仓库

开源项目，旨在为 Apple Silicon 设备提供设备端语音 AI 功能。它允许开发者将语音识别功能直接集成到他们的应用程序中，增强用户交互，而无需依赖云服务。argmax-oss-swift 是一个开源项目，旨在为 Apple Silicon 设备提供设备端语音 AI 功能。它允许开发者将语音识别功能直接集成到他们的应用程序中，增强用户交互，而无需依赖云服务。