Kaldi 是经典的语音识别工具库，提供声学建模、解码和说话人识别等完整流程，适合搭建语音转文字与说话人验证系统。
Python 语音识别库，统一封装多种在线和离线引擎与 API，几行代码就能把音频转成文字，省去逐个对接各家服务的麻烦。
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。
开源的大词汇量连续语音识别引擎，用 C 语言实现，可直接在本地完成语音转文字，适合搭建离线识别服务。
给 React 应用加语音识别能力的 Hook 库，封装浏览器 Web Speech API，几行代码就能把语音转成文字。
OpenAI Whisper 语音识别模型的 C/C++ 移植版，无需 Python 和 GPU 依赖，在普通 CPU 上就能跑语音转文字。
自托管的抖音、TikTok、B站数据采集与无水印视频下载 API，提供异步 REST 接口、MCP 服务、CLI 和网页控制台，支持离线语音转文字，Docker 一键部署。
基于 CTranslate2 重实现的 Whisper 语音转文字推理引擎，通过量化与高效推理大幅提速并降低显存占用，适合本地部署转录。
离线语音识别 API，支持 Android、iOS、树莓派和服务器，提供 Python、Java、C#、Node 多语言绑定，适合注重隐私、不依赖云端的语音转文字场景。
跨平台语音转文字听写应用，支持本地 Nvidia Parakeet/Whisper 模型和自带密钥的云端模型，主打隐私优先。
给网页加语音识别的前端库，几行代码就能让站点听懂用户说话，支持语音指令和语音转文字。
免费开源的跨平台屏幕录制工具，支持 GPU 加速、无水印无订阅，内置语音转文字，适合快速录制产品演示视频。
OpenAI 开源的通用语音识别模型，基于大规模弱监督训练，支持多语言转写、翻译和语种识别，开箱即用。
一款用 C# 开发的开源字幕编辑器，支持字幕的创建、编辑、时间轴调整和格式转换，还能借助语音识别自动生成字幕。
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。
基于 PySide6 的 faster-whisper 图形界面，让语音转文字不用敲命令行，支持 VAD 和 WhisperX 等能力。
免装 Python 的 Whisper 与 Faster-Whisper 独立可执行程序，解压即用，直接做语音转文字、字幕生成和说话人分离。
本地运行的语音转文字工具，带网页界面，用 Whisper 模型把任意音频转成文本，还能翻译和编辑字幕，全程数据不出本机。
微软推出的本地 AI 推理运行时，基于 ONNX Runtime 在设备端跑聊天补全和语音转文字模型，支持 GPU 加速，不用联网也能用。
基于 CTranslate2 加速的 Whisper 命令行客户端，接口与 OpenAI 官方客户端兼容，能更快地做语音转文字。
一站式桌面工具，用本地 Whisper、FunASR 等模型离线把视频转成字幕，还能翻译、AI 配音、声音克隆和烧录字幕，支持批量处理与全平台 GPU 加速。
macOS 上的本地语音转文字工具，基于端侧 AI 实现听写与转录，数据不出本机，也可按需接入云端。
轻量级离线语音识别引擎，用 C 写成、体积小、资源占用低，适合在嵌入式设备和移动端做实时语音转文字。
面向 Wayland 桌面环境的按键说话语音转文字工具，支持 Hyprland、Sway、GNOME、KDE，本地离线识别，适合日常听写和辅助输入。
在手机或 Mac 上离线跑 GGUF 大模型、视觉识别、Whisper 语音转文字和 Stable Diffusion 生图，支持工具调用与局域网服务，无需账号和 API Key。
多后端 Whisper 语音转文字工具，支持本地文件或 URL 输入，在 Mac ARM 上做了速度优化，安装简单且完全离线私有。
基于 Vosk 库的 Android 离线语音识别示例，无需联网即可在手机本地完成语音转文字，适合做端侧 ASR 集成参考。
在 Neovim 里直接调用 ChatGPT、Ollama、Anthropic 等大模型，做对话会话、可指令化的文本/代码改写和语音转文字。
Linux 上的原生语音转文字工具，提供系统级听写，速度快、准确率高且数据本地处理，适合注重隐私的用户。
基于微调 Whisper 模型提供语音转文字 API，支持用户级权限控制，方便把 ASR 能力接入自己的应用。
基于 Whisper 模型的 .NET 语音识别库，跨平台支持语音转文字与翻译，还内置 VAD 语音活动检测，方便在 C# 项目里直接接入。
基于 OpenAI Whisper 搭建实时语音转文字 Web 应用的开源示例，帮你快速把语音识别能力接入网页端。
开源的 iOS 语音转文字应用，基于 Whisper 模型在手机本地完成高质量转录，让移动端离线转写更易用。
把 OpenAI Whisper 做成近实时的语音转文字服务，支持 TensorRT、OpenVINO、ROCm 等硬件加速，适合直播字幕和听写场景。
完全本地运行的私密语音转文字应用，支持多种模型后端、说话人分离和日历模式，覆盖 Windows、macOS 和 Linux。
基于 Whisper 的端侧语音转文字应用，支持 100 多种语言，用 Compose Multiplatform 同时覆盖 Android 和 iOS，全程本地推理不上传云端，适合注重隐私的转写场景。
基于 Vosk 和 Kaldi 的语音识别服务端，通过 WebSocket、gRPC、WebRTC 接口对外提供离线 ASR 能力，方便把语音转文字集成进自己的应用。