cheetah

实时本地化语音转文字引擎

Cheetah是一款本地化实时语音转文字引擎，具有隐私保护、高精度和跨平台特性。该引擎支持Linux、macOS、Windows、Android、iOS和主流浏览器等多种平台。Cheetah为开发者提供多种编程语言的SDK和演示应用，支持实时麦克风输入和音频文件处理，是一个灵活的语音识别解决方案。

访问官网

Github

论文

介绍相关项目

geek_chat - 跨平台AI助手，兼容多种设备与高级LLM模型

AI 客户端Geek ChatGithubOpenAI开源项目跨平台隐私安全

Geek Chat是一款跨平台AI助手，兼容MacOS、Windows、iPhone、iPad、Android Phone和Android Tablet。它具备增强的提示功能、本地数据存储保护隐私、支持多种先进LLM模型（如OpenAI和Azure OpenAI）、Markdown和代码高亮功能，以及夜间模式。免费开源，提供各平台的安装包，无需额外部署。

Crystal - 跨平台多语言文字转语音合成引擎

Crystal TTSGithubSSML规范动态模块加载多语言开源项目跨平台

Crystal TTS Engine通过C++开发，支持多语言合成，以SSML标准方便模块间交互。此外，该引擎支持动态模块加载及跨平台功能，适合开发需支援多语言环境的开发者。

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。

DeepSpeech - 开源的深度学习语音识别引擎

GithubProject DeepSpeechTensorFlow开源开源项目机器学习语音识别

DeepSpeech是一个开源语音转文字引擎，基于百度的Deep Speech研究，并利用Google TensorFlow实现。提供详细的安装、使用和训练模型文档。最新版本及预训练模型可在GitHub获取，支持和贡献指南请参阅相应文件。

whisper_streaming - 基于Whisper的实时语音转录和翻译开源系统

GithubWhisper多语言实时转录开源项目流式处理语音识别

whisper_streaming是基于Whisper模型的实时语音转录和翻译系统。该项目采用本地协议和自适应延迟实现流式转录,在长篇未分段语音测试中实现高质量转录,延迟仅3.3秒。系统提供多种后端选择,支持GPU加速,适用于多语言会议实时转录。项目还提供灵活API,便于开发者集成到不同应用场景。

echogarden - 多功能语音处理工具集支持跨平台使用

EchogardenGithub开源项目文本转语音语音处理语音工具集语音转文本

Echogarden 是一个功能全面的开源语音处理工具集，提供文本转语音、语音识别、语音对齐和翻译等多项功能。该工具集适用于 Windows、macOS 和 Linux 平台，安装和使用简便。Echogarden 采用 TypeScript 开发，通过 WebAssembly 和 ONNX 运行时实现跨平台兼容，无需复杂依赖。目前主要提供命令行界面，支持批量处理，未来计划开发图形界面和交互式工具。

VoiceCheap - 多语言内容创作与音频处理综合解决方案

AI工具VoiceCheap内容全球化注册用户协议登录

VoiceCheap平台集成了视频配音、音频转写和文本转语音功能，为全球内容创作者和企业提供快速的多语言转换服务。利用先进的AI配音和语音技术，该平台支持多达100种语言，简化了音频处理流程，并提供便捷的账户管理。VoiceCheap不仅注重数据隐私保护，还提供独特的实时音频同步功能，旨在为用户提供专业、高效且经济的语音服务，助力内容的国际化和本地化。无论是视频制作、播客转写还是电子书有声化，VoiceCheap都是您理想的一站式语音解决方案。

CapsWriter-Offline - 多功能离线语音识别和字幕转录软件

CapsWriter-OfflineGithub字幕转录开源项目热词功能离线识别语音输入

CapsWriter-Offline是一款功能丰富的PC端语音识别和字幕转录软件。它支持完全离线运行，提供无限时长录音、低延迟识别和高准确率转录。用户可使用大写锁定键进行语音输入，或直接拖拽音视频文件进行字幕生成。此外，该工具还具备热词定制、日记记录和关键词分类等实用功能，兼容Windows、Mac和Linux操作系统。

Audio2Text - 多语言音频转文字工具支持多种格式及字幕导出

AI工具OpenAI技术免费使用多语言支持字幕创建语音转文字

Audio2Text是一款基于OpenAI技术的音频转文字工具，支持超过50种语言的高精度转录。利用先进的AI语音识别技术，该服务提供免费使用选项，可导出SRT字幕文件，并支持TXT、PDF等多种格式下载。适用于多种场景，提供快速准确的音频转文字解决方案。免费版有一定限制，用户可通过购买积分包获得更高质量和更快的处理速度。

athena - 开源端到端语音处理引擎，推动工业应用与学术研究

AthenaGithub开源项目端到端模型自动语音识别语音合成语音处理

一款基于Tensorflow构建的开源端到端语音处理平台，旨在提升语音处理技术的研究与实际应用。支持自动语音识别、语音合成、关键词检测等多项功能，配备多GPU训练和无Kaldi的Python特征提取，实现了多种模型结构如FastSpeech和Conformer，适用于各类研究和应用需求。该平台在最新更新中加入了FastSpeech2和Conformer-CTC模型以优化处理速度和准确性。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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