最佳 AI 转录工具 AI GitHub 仓库

WhisperX

AI GitHub 仓库

#62

开源的自动语音识别工具，提供字级时间戳和说话者区分功能。它旨在提高音频录音的转录准确性和说话者识别能力。WhisperX 是一个开源的自动语音识别工具，提供字级时间戳和说话者区分功能。它旨在提高音频录音的转录准确性和说话者识别能力。

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。

WeNet

AI GitHub 仓库

#167

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。

OpenAI Whisper

AI GitHub 仓库

Whisper 是 OpenAI 开发的一个强大、通用的语音识别模型。它在多语言语音识别、语音翻译和语言识别方面表现出色。通过在多样化的音频数据上进行训练，它提供了一个单一模型来处理各种语音处理任务，用统一的序列到序列方法取代了传统的多阶段流水线。

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。

Whisper as a Service

AI GitHub 仓库

提供 OpenAI Whisper 的 GUI 和 API，支持带队列的异步音频转录。它支持电子邮件回调和 Webhook 进行通知，为开发人员和用户将语音转文本功能集成到其应用程序中提供了灵活性。Whisper as a Service (WAAS) 提供 OpenAI Whisper 的 GUI 和 API，支持带队列的异步音频转录。它支持电子邮件回调和 Webhook 进行通知，为开发人员和用户将语音转文本功能集成到其应用程序中提供了灵活性。

Chitralekha 视频再创作平台

AI GitHub 仓库

专为印度语言设计的视频再创作平台，提供转录、翻译和配音功能。由 AI4Bharat 开发，旨在促进内容的可访问性和在多语言区域的本地化。Chitralekha 是一个专为印度语言设计的视频再创作平台，提供转录、翻译和配音功能。由 AI4Bharat 开发，旨在促进内容的可访问性和在多语言区域的本地化。

Faster Whisper

AI GitHub 仓库

更快的Whisper是一个开源项目，利用CTranslate2提高转录速度。它允许开发者贡献并改善转录过程，使其更快、更高效。

Vosk Speech Recognition Toolkit

AI GitHub 仓库

Vosk API 是一个离线语音识别 API，专为 Android、iOS、Raspberry Pi 和服务器设计。它支持多种编程语言，包括 Python、Java、C# 和 Node.js，使开发者能够将语音识别功能集成到他们的应用程序中，而无需依赖互联网连接。

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。

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。

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。

Whisper Diarization

AI GitHub 仓库

GitHub 项目，结合了自动语音识别和使用 OpenAI Whisper 的说话人分离。它使用户能够转录音频并识别录音中的不同说话者，非常适合会议、访谈等场景。Whisper Diarization 是一个 GitHub 项目，结合了自动语音识别和使用 OpenAI Whisper 的说话人分离。它使用户能够转录音频并识别录音中的不同说话者，非常适合会议、访谈等场景。