whisper-turbo

基于WebGPU的浏览器端语音转文字引擎

Whisper Turbo 跨平台语音识别 WebGPU 浏览器 Github 开源项目

Whisper Turbo是一个基于WebGPU技术的开源语音识别项目，专门为浏览器和Electron应用设计。这款跨平台工具能在客户端高效执行语音转文字任务，目前支持Windows和MacOS上的Chromium浏览器。项目提供在线演示和详细文档，其核心由Rust编写的Ratchet库提供支持，确保了卓越的性能表现。

访问官网

Github

介绍相关项目

react-speech-recognition - React语音识别钩子实现实时语音转文本

GithubReactWeb Speech API开源项目语音识别跨浏览器支持麦克风

react-speech-recognition是一个基于Web Speech API的React钩子，能将麦克风捕获的语音实时转换为文本。它支持语音命令、连续监听和多语言识别，提供简单API控制麦克风和访问转录。为实现更广泛的浏览器兼容性，推荐配合语音识别polyfill使用。

Shush - WhisperV3模型的全栈语音转文本应用演示

GithubModalNextJSShushWhisperV3开源项目音频转录

Shush是一个开源项目，展示了如何在Modal平台上部署WhisperV3语音识别模型，并通过NextJS应用程序实现交互。该项目集成了Next.js前端和Modal后端，演示了高性能模型运行、可靠API构建和自动扩展功能。开发者可以通过此项目学习如何快速部署AI模型后端，并构建响应式前端应用，实现高效的语音转文本功能。

RealtimeSTT_LLM_TTS - 整合语音识别与AI对话的开源项目

GPU支持GithubRealtimeSTT唤醒词实时转录开源项目语音转文字

该项目集成语音识别、AI对话和语音合成,支持GPU加速以实现低延迟交互。具备语音检测、实时转录和唤醒词等功能,可用于开发语音助手和AI对话应用。Web界面支持个性化配置,适合快速构建语音交互系统。

WAAS - OpenAI Whisper驱动的在线音频转录服务

AI工具APIGUIOpenAI WhisperWaaS语音转文字

WAAS是基于OpenAI Whisper技术的音频转录服务平台。它提供图形界面和API接口,支持音频和视频文件转录。转录结果可通过电子邮件获取,包括Jojo、SRT和纯文本格式。平台集成了在线编辑器,方便直接修正转录内容。WAAS支持多种转录模型和语言,具备队列管理和webhook回调功能,是一个全面的音频转录解决方案。

TTS - 高性能文本到语音生成库，支持多语言

GithubMozillaTTSText-to-Speech多语言支持开源项目预训练模型

TTS库基于最新研究成果，提供高效的文本到语音生成技术，实现了训练便捷、速度快、质量高的最佳平衡。该库包括预训练模型和数据集质量评估工具，已被广泛应用于20多种语言的产品和研究项目。支持多说话人TTS、快速模型训练、多GPU训练，并兼容PyTorch、TensorFlow和TFLite等多种平台。

auto-subs - Davinci Resolve用户的高精度字幕生成和翻译工具

Davinci ResolveGithubOpenAI WhisperStable-TS字幕生成开源项目跨平台

使用OpenAI Whisper和Stable-TS技术进行高精度转录，生成自定义风格的字幕。此工具完全免费并在Davinci Resolve中本地运行，兼容Mac、Linux和Windows系统，支持免费版和Studio版。通过字幕导航器可快速跳转时间线位置，新功能包括将任意语言翻译成英文。提供详细教程与手动设置指南，帮助用户轻松上手。

buzz - 离线音频转录与翻译工具，基于OpenAI Whisper技术

BuzzGithubOpenAIWhisper开源项目應用商店热门音频转录

Buzz是一款运行于个人电脑上的离线音频转录与翻译工具，使用OpenAI的Whisper技术，能够高效地转录并翻译音频内容。该应用提供Mac App Store专用版本，具有更清晰的界面和更丰富的功能，如音频回放、拖放导入、转录编辑和搜索等。对于不同操作系统，Buzz提供了简便的安装方式，包括Windows, macOS和Linux。Buzz旨在提供无缝和高效的用户体验，以满足广泛的个人和专业需要。

yt-whisper - 使用yt-dlp与OpenAI Whisper生成多语言YouTube字幕

GithubPythonWhisperffmpegyt-dlp字幕生成开源项目

该项目结合yt-dlp与OpenAI的Whisper技术，能够高效生成各种YouTube视频的字幕文件。通过简单的命令行操作，可生成VTT文件，并且默认使用small模型即可实现高质量的英文转录。对于其他语言，可选用更大型的模型来提升识别效果。项目还支持将字幕翻译成英文。运行需要Python 3.7或以上版本以及ffmpeg安装。此项目基于MIT许可证开源，详情请参考项目仓库的使用指南。

speech-to-text-benchmark - 开源语音识别基准测试框架对比多家主流引擎

Github基准测试开源项目模型大小计算效率识别准确率语音转文本

该项目提供了一个开源的语音识别基准测试框架，对比了Amazon、Azure、Google等主流云服务以及OpenAI Whisper、Picovoice等引擎的性能。框架使用LibriSpeech、TED-LIUM和Common Voice数据集，评估词错率、计算效率和模型大小等指标。测试结果客观展示了各引擎在准确度和资源消耗方面的表现，为选择语音识别解决方案提供了参考依据。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号