基于深度学习的中文语音识别系统，用 CNN+CTC 把中文语音转成文字，适合搭建本地语音转写服务。

多语言文档智能解析引擎，能从 100 多种格式中提取文本、表格和元数据，并支持 OCR、语音转写和代码理解，适合为 RAG 流程准备高质量数据。

跨平台桌面端语音转写工具，基于 Whisper 在本地把音视频转成文字，不用上传云端，隐私和离线场景都能用。

把 PDF、Office 文档等各类文件转成 Markdown 的 Python 工具，方便喂给 LLM 或做文档处理。

基于 OpenAI Whisper 的语音转写工具，能自动识别不同说话人并切分对话，适合会议记录、访谈整理等多人语音场景。

本地运行的 ElevenLabs 开源替代品，支持声音克隆、语音设计、视频配音、听写、转写和有声书制作，覆盖 646 种语言。

基于 OpenAI Whisper 的离线音频转写与翻译工具，在本机就能把语音转成文字并翻译，不用联网也不上传数据。

本地运行的 AI 会议记录工具，用 Whisper/Parakeet 在设备上完成转写和说话人分离，不需要会议机器人，会议内容不出本机。

超低延迟的语音转文字、意图识别和语音合成工具，用来搭建语音助手和语音交互界面，响应快、适合实时对话场景。

本地跑实时语音转文字，带流式识别、说话人分离和翻译，还兼容 OpenAI/Deepgram 接口，适合自建低延迟转写服务。

从 1000+ 网站下载视频音频，本地转写并区分说话人，再用你选的 AI 服务做总结、翻译或对话。

面向创作者和开发者的 Gradio 语音工作台，集成多引擎 TTS、零样本声音克隆、Whisper 转写、人声分离与多语言翻译，一站式完成配音和字幕制作。

在本地 GPU 和 NPU 上直接跑优化后的大模型，帮用户发现并启动本地 AI 应用，省去自己折腾推理环境的麻烦。

基于 Python 的 Telegram 机器人，接入 OpenAI 官方 API，在聊天窗口里直接提供 ChatGPT 问答、DALL·E 绘图和 Whisper 语音转写。

基于 faster-whisper 的语音转写服务，提供兼容 OpenAI API 的接口，用 Docker 一键部署即可获得本地语音识别与翻译能力。

把普通 PC、Mac 或 Linux 机器变成私有 AI 服务器，集成 llama.cpp、ComfyUI、Open WebUI、n8n 等组件，方便本地跑大模型、RAG 和 Agent 工作流。

用 Rust 写的本地 AI 模型运行时，支持 Llama、Mistral 等模型的推理、约束生成和语音转写，方便在本地快速搭建可控的 AI 应用。

把长视频自动剪成 9:16 竖屏短视频，用 LLM 挑高光片段、Whisper 转写、自动裁切，免费无水印，替代 Opus Clip 等付费服务。

用自托管 Whisper 配合 WebSocket 做近实时语音转写，Python 后端加 JS 前端，适合自己搭一套低延迟的语音识别服务。

基于 CrewAI 多智能体协作的视频剪辑助手，自动完成视频下载、语音转写和片段剪辑，适合批量产出短视频素材。

自带 API Key 的语音记录助手，支持语音转写、说话人分离和 AI 摘要，还能接入本地 ASR 服务，适合注重隐私、想自己掌控模型的用户。

把音视频内容快速转成结构化 Markdown 笔记，先用 ASR 转写，再交给大模型整理成条理清晰的文本。

0.9B 参数的多语言长音频转写模型，能同时输出说话人分离、时间戳和声学事件标记，适合做会议记录和字幕生成。

给 Claude Code 装上视频理解能力：用 ffmpeg 抽帧、Whisper 转写音轨，再交给多模态模型分析画面与声音，让 Agent 能直接看懂视频内容。

用 Whisper 和 ChatGPT 几秒内从视频自动生成字幕、摘要和章节，省去手动转写和剪辑整理的时间。

可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。

面向语音识别任务的基础模型，支持自监督预训练，可完成语音转写与情感识别，适合搭建俄语等多场景语音推理服务。

本地优先的会议与语音备忘录转写工具，在设备端把录音转成 Markdown，并支持 Claude Code、Cursor 等 MCP 客户端直接查询。

macOS 原生会议记录工具，用 Whisper 本地转写音频，再经 OpenRouter 生成摘要，全程注重隐私。

基于 OpenAI Whisper 的实时语音转写框架，接收连续音频流分块并即时输出增量转写结果，不用等整段音频上传完再处理。

把 B 站、YouTube 和本地视频自动转成 AI 摘要与可检索知识库，基于 Whisper 转写和 RAG，适合做视频笔记和 Obsidian 归档。

开源本地 AI SDK，无需云端和 API Key 即可在设备端跑 GGUF 模型，集成 RAG、图像音乐视频生成、语音转写和 P2P 推理，覆盖桌面与移动端。

用 Python 搭建 WhatsApp 智能体 Ava 的实战课程，串联语音转写、语音合成和向量数据库，带你跑通一个能对话的 Agent 完整流程。