#OpenAI Whisper

WhisperLive

WhisperLive是基于OpenAI Whisper模型开发的实时音频转写应用，能高效地将直播或预录音频转换成文本。支持多语言和自定义设置，适用于个人、教育及商业场景。项目还提供Docker部署，简化安装和服务部署过程。

whisper.cpp

whisper.cpp是基于OpenAI Whisper的C/C++自动语音识别（ASR）模型实施，针对Apple Silicon经过优化，并支持多平台部署。该项目以极低的内存消耗和CPU/GPU推理能力，覆盖Mac OS、iOS、Android等主流平台，提供灵活的API与多样的定制模型，使开发者能够轻松地融合语音功能。

multimedia-gpt

Multimedia GPT是一款利用OpenAI GPT和视觉音频相结合的多媒体工具。它支持图片、音频和PDF文件输入，并以文字和图像形式输出结果。这个项目不需要自己准备GPU，实现了语音识别和图像生成，基于微软的Visual ChatGPT架构，未来计划支持视频处理。它兼容多种OpenAI语言模型，包括ChatGPT和GPT-4，用户可以自定义模型并在不同设备上运行。

vibe

Vibe利用开源工具OpenAI Whisper进行离线音视频转录，支持几乎所有语言，保证数据隐私。软件界面友好，支持多种文件格式如SRT、VTT、TXT、HTML、PDF和JSON。Vibe还具备批量转录、多语言翻译和实时预览等功能，适用于Windows、Linux和macOS系统。优化了对CPU和GPU的支持，兼容Nvidia和AMD GPU。用户可以通过命令行接口进行操作，并提供HTTP API文档。其他功能包括系统音频转录、麦克风转录、说话人分割，未来还将支持iOS和Android。

auto-subs

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。

openai-whisper-realtime

openai-whisper-realtime是一个几乎实时转录音频的实验项目，使用Python和OpenAI Whisper处理音频。该项目依赖高性能CPU或GPU，使用sounddevice、numpy和asyncio等库。当前目标包括提升转录性能、优化断词检测和动态分割。

RTranslator

RTranslator是一款适用于Android系统的免费离线实时翻译应用。其具备三种模式：对话模式支持多设备双向实时翻译；对讲机模式适合快速对话；文本翻译模式提供经典文本翻译。应用内置Meta的NLLB翻译和OpenAI的Whisper语音识别技术，确保高质量翻译和隐私保护。RTranslator还支持后台运行，兼容多种语言，特别适合需要离线功能的用户。了解更多关于功能、安装和更新的信息。

quillman

一个开源项目，提供实时语音转录和自然语音合成的聊天应用，使用Zephyr语言模型和OpenAI Whisper技术。适用于开发和实验自定义语言模型应用，可在Modal平台上无服务器部署。提供在线演示、详细文档和模块化结构，方便本地开发和部署。

whisper-diarization

whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取，然后利用Whisper生成转录文本，并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术，它能够准确识别多个说话人，最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景，为音频转录和分析提供了强大支持。