speech-recognition

🤗 Transformers：面向文本、视觉、音频及多模态模型的尖端机器学习模型定义框架，支持推理与训练全流程。

OpenAI Whisper模型的C/C++移植版本

WhisperX：具备词级时间戳标注的自动语音识别系统

端到端语音识别基础工具包与开源SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。

适用于Android、iOS、树莓派及服务端的离线语音识别API，支持Python、Java、C#和Node.js开发语言。

按模型组织的尖端深度学习脚本——易于在企业级基础设施上进行训练和部署，并具备可复现的准确性与性能。

OpenVINO™是用于优化和部署AI推理的开源工具套件

一个基于苹果MLX框架构建的文本转语音、语音转文本及语音转语音库，可在Apple Silicon芯片上实现高效语音分析。

面向苹果芯片的端侧语音人工智能

适用于Apple Silicon设备的本地语音识别

基于OpenAI Whisper的说话人日志自动语音识别系统

通过网页界面100%本地化地将任意音频转录为文本，翻译并编辑字幕。由whisper模型驱动！

在您的应用中集成前沿CoreML音频模型——文本转语音、语音转文本、语音活动检测及说话人分离。基于Swift开发，由顶尖开源技术驱动。

设备端实时多模态AI。与完全运行在您本机上的AI进行自然的语音和视觉对话，由Gemma 4 E2B和Kokoro驱动。

开源私人日志本，内置本地智能代理层。长期运行的 AI 代理会读取你的记录并建议下一步行动。在硬件允许的情况下，模型也可在本地运行。采用 Matrix 与 Vodozemac 实现设备间的端到端加密同步。

面向 Apple Silicon 的 AI 语音工具包 — 基于 MLX 和 CoreML 的 ASR、TTS、语音到语音、VAD 及说话人分离功能。