stable-ts

Whisper语音转录时间戳优化和功能扩展工具

stable-ts是一个开源的Whisper语音转录优化工具。它通过改进时间戳生成算法，提高了转录结果的时间精确度。该工具扩展了Whisper的功能，增加了语音分离、降噪和时间戳调整等特性。stable-ts支持多种输出格式，并提供API和命令行接口，使语音转录更加稳定和高效。

访问官网

文档

Whisper-WebUI - 多功能字幕生成和翻译工具，支持多种Whisper实现

GithubGradioWhisper-WebUI字幕生成器开源项目翻译语音转文字

Whisper-WebUI是基于Gradio的浏览器界面，支持从文件、YouTube和麦克风生成字幕，并提供多语言翻译。用户可以选择不同的Whisper实现，如openai/whisper、faster-whisper和insanely-fast-whisper，支持SRT、WebVTT、txt等多种字幕格式。功能包括语音转文字翻译、音频预处理（Silero VAD）和说话人分离（pyannote）。提供详细的安装指南与自动安装脚本，并且兼容Docker运行，提升VRAM利用率和转录速度。

faster-whisper-base - 多语言自动语音识别与转录效率提升的开源工具

CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型模型转换自动语音识别

faster-whisper-base是将OpenAI的Whisper-base模型转换为CTranslate2格式的项目，支持多语言自动语音识别。模型保留FP16精度，用户可以通过CTranslate2的compute_type选项进行模型类型调整，适合需要高效语音转录的应用。

faster-whisper-medium - 多语言语音识别与转录的高效开源解决方案

CTranslate2GithubHuggingfaceWhisper多语言开源项目模型模型转换自动语音识别

该项目是基于OpenAI Whisper medium模型转换而来的CTranslate2格式模型，为faster-whisper项目提供支持。支持90多种语言的语音识别和转录功能，性能优异且准确度高。用户可通过faster-whisper轻松实现音频文件的高效转录，获取精确的时间戳和文本输出。模型采用float16量化，计算类型可根据需求灵活调整，适用于多种语音识别应用场景。

whisper-tiny.en - Whisper微调的英文语音识别模型

GithubHuggingfaceWhisper开源项目数据集模型模型训练深度学习语音识别

这是一个基于Whisper-tiny.en模型开发的轻量级语音识别工具，通过Azure数据集训练优化，主要用于英文语音转文本任务。模型采用线性学习率调度和Adam优化器，经过1000步训练后达到44.34%的词错误率。项目采用开源Apache 2.0许可，基于主流深度学习框架开发，便于开发者集成使用。

use-whisper - 适用于OpenAI Whisper API的React Hook，支持语音录制和静音消除

GithubOpenAIReact HookuseWhisper实时转录开源项目语音识别

useWhisper 是一个为 OpenAI Whisper API 提供的 React Hook，具备语音录制、实时转录和静音消除功能。正在开发的 React Native 版本将使移动应用开发更便捷。用户可以通过 npm 或 yarn 安装，并通过丰富的配置和回调函数实现自定义转录。主要依赖项包括 recordrtc、lamejs、ffmpeg、hark 和 axios，是开发者进行语音处理和转录的理想工具。

whisper-web - 浏览器端实时语音识别技术

GithubTransformers.jsWebGPUWhisper Web开源项目浏览器应用语音识别

Whisper Web是一个基于机器学习的浏览器端语音识别项目。它利用 Transformers.js 技术，在客户端实现实时语音处理，无需服务器支持。该项目提供在线演示和本地部署选项，并正在开发 WebGPU 支持以提高性能。Whisper Web 展示了 Web 技术在语音识别领域的应用潜力，为开发者提供了一个便捷的语音识别解决方案。

faster-whisper-tiny - CTranslate2格式Whisper小型模型实现多语言语音识别

CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型自然语言处理语音识别

该项目将OpenAI Whisper小型模型转换为CTranslate2格式，支持100多种语言的语音识别。适用于CTranslate2及其衍生项目如faster-whisper，能高效进行自动语音识别。开发者可通过简单的Python代码实现音频转录，得到包含时间戳的文本段落。模型采用FP16格式存储，可在加载时灵活调整计算类型，为语音识别应用提供了高效且可定制的解决方案。

superwhisper - 智能语音转文本，为macOS用户打造的私密转录工具

AI工具DockerGPT-4 TurboKubernetesPostgreSQLSaaS

SuperWhisper为macOS用户提供智能语音转文本服务。支持离线使用，确保数据私密性。适用于会议记录、笔记整理等场景，快速将语音转换为文字。采用先进语音识别技术，结合本地处理能力，实现高效、准确的转录。这款工具为macOS用户带来安全、便捷的语音转文本解决方案。

stable-audio-metrics - 音频生成模型评估指标集合

GPU支持Githubstable-audio-metrics开源项目数据结构音频指标音频生成模型评估

stable-audio-metrics是一个评估音乐和音频生成模型的开源指标集合。它包含基于Openl3的Fréchet距离、基于PaSST的Kullback-Leibler散度和基于CLAP-LAION的CLAP分数。该项目针对长形式全频带立体声生成进行了优化，支持可变长度输入，并提供了详细文档和示例。适用于评估MusicCaps、AudioCaps和Song Describer等数据集的音频生成质量。

whisper.cpp - 跨平台自动语音识别模型推理工具

Apple SiliconGithubOpenAI Whisperwhisper.cpp开源项目语音识别高性能

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。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com