transcription

VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案 — 提供 646 种语言的语音克隆、语音设计、视频配音、听写、转录和有声读物创建。

Meetily是一款隐私优先的AI会议助手，基于Rust构建，提供比Parakeet/Whisper快4倍的实时转录、说话人分离及Ollama摘要功能。100%本地处理，无需云端。作为排名第一的自托管开源AI会议记录工具，支持macOS与Windows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。

AI可穿戴设备 戴上即说即转录

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

基于大语言模型的视频翻译配音工具，支持99种语言双向翻译，提供一键式全流程部署，可生成适配YouTube、TikTok和Shorts等平台的内容

开源 SenseVoiceSmall 模型，适用于普通话、粤语、英语、日语和韩语 ASR、语言 ID、情绪识别和音频事件检测。

语音转文字

🎙️ AI Dictation App - Open Source and Local-first ⚡ Type 3x faster, no keyboard needed. 🆓 Powered by open source models, works offline, fast and accurate.

适用于Mac的快速本地语音应用——系统级听写、文件与YouTube转录，以及会议录制。基于Apple Silicon上的Parakeet TDT驱动。免费且开源。

面向多语言ASR与TTS模型的C++ ggml运行时中心：支持Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2等，并集成通用强制对齐等功能

通过AI语音转录离线浏览WhatsApp聊天记录导出文件。采用隐私优先设计的桌面/网页应用，支持书签、搜索和统计功能，基于SvelteKit和Electron构建。