Skip to main content
全网优质资源汇总✨

Search: #语音识别

  1. Transub 字幕工厂 × Transub Player 字幕播放器

    Transub 字幕工厂
    拖进视频,出能上片的字幕。
    批量生成高质量字幕,自动质检修复,自带专业级字幕编辑器。本地运行,轻松搞定字幕生成。
    整批拖入,转写 / 多语翻译 / 双语一站完成
    自动质检:重叠、读速、时长,一键修复
    预览 + 波形的编辑器,精修到能上片

    ransub Player 字幕播放器
    打开就能看,字幕随后跟上。
    专为观看外语片打造的字幕播放器。画面立刻出来,可读字幕边看边生成,不再满世界找字幕。
    实时字幕:内置语音识别,进度可见
    译中 / 原文 / 双语,按 1 / 2 / 3 随时切
    网络流直接播,可一步录制到本地

    访问官网

    #开源 #Windows #字幕工具 #Transub字幕工厂 #TransubPlayer字幕播放器 #字幕生成 #视频翻译 #语音识别 #字幕编辑
  2. VoiceKey

    macOS、Windows、iOS、Android 语音输入。桌面端按住或点按快捷键说话;iOS 是带语音的中文键盘;Android 不替换输入法,识别结果写进当前输入框。
    功能
    以下为 macOS / Windows。
    多个识别渠道:豆包、微信、千问、百度、搜狗、讯飞、Chatterfly、千问 App、叭哥说云端识别(后两个需登录官方账号),以及完全本地运行的离线识别:微信离线(macOS / Windows)、豆包离线(仅 Apple 芯片 Mac)
    多渠道候选:勾选 2 个以上渠道同时识别,光标旁弹出候选框实时显示各渠道结果,按数字键或 ↑↓ + 回车选一条上屏;默认选中上次用的渠道
    渠道对比:在设置里录一段话,并排比较各渠道的结果和速度
    长按说话:按住快捷键开始,松开结束
    点按说话:自定义快捷键,点一下开始,停顿 1–5 秒自动结束,再点一下可提前结束
    边说边上屏:识别中的文字实时打到光标处,结束后按定稿修正;关闭后改为结束时一次性粘贴
    麦克风选择、开机启动、浅色 / 深色主题、应用内自动更新
    iOS
    iOS 17+ 的中文键盘(仅 iPhone)。默认 26 键全拼,可切九宫格;功能键和顶栏可以拖动调整。左上角麦克风说话。键盘本身不能录音,由主 App 在后台收音,再把文字送回键盘。
    云端渠道与桌面端相同(不含需登录的千问 App、叭哥说),没有离线引擎
    勾选多个渠道时,在键盘里对比结果再选一条上屏
    默认画中画待机:不占麦克风,点麦克风才录音;画中画不可用时改为常开麦
    操作按钮或快捷指令「VoiceKey 说话」:正在使用本键盘时开始,再按一次结束
    点按说话的静音自动结束可在 1–5 秒间设置
    拼音词库来自雾凇拼音(GPL-3.0),并补了搜狗流行词和部分 AI 词
    语音和与主 App 通信需要「允许完全访问」;不开也能本地打字。安装或更新后,已在跑的键盘进程不会换成新版本,需到「设置 › 通用 › 键盘 › 键盘 › VoiceKey」删除后再添加。
    Android
    Android 8+(arm64)。不替换当前输入法:开启无障碍服务「VoiceKey 语音输入」后,在任意输入框长按音量下键,或点悬浮球说话,结果写入光标处。部分应用会隐藏控件树,Android 13 及以上改为经输入连接提交文字。
    渠道:豆包、微信、千问、百度、搜狗、讯飞,以及微信离线(约 100MB,本机推理)
    多渠道候选、边说边上屏、点按静音 1–5 秒自动结束
    长按音量下键只在输入框聚焦时生效,短按仍调音量
    国内系统清理后台会关掉无障碍。应用内有忽略电池优化、自启动和锁定最近任务的引导。


    项目地址

    #开源 #跨平台软件 #语音输入 #VoiceKey #AI语音输入
  3. 🎙 Amanu — 自动录音与 AI 语音转文字工具
    📦 语音识别 | Windows / macOS / Linux | 开源项目


    ➤ 支持自动开始和停止录音,简化会议记录流程
    ➤ 将语音转换为文本,并区分不同说话人
    ➤ 使用完整模型生成会议摘要,快速提取重点
    ➤ 支持离线运行,无需互联网连接
    ➤ 也可配置自己的 API 密钥,灵活选择使用方式


    📌 简单说:
    👉 一款面向会议与语音记录的开源工具,集自动录音、语音转文字、说话人区分和会议摘要于一体,兼顾离线使用与 API 接入。

    📢 官方网站:
    amanu.me

    📂 项目源码:
    GitHub — Amanu

    📂 #Amanu #STT #语音转文字 #会议记录 #AI工具 #开源软件
  4. 🎙 Voice-Pro
    📦 AI语音工具 | Windows | 开源项目


    ➤ 免费开源 Gradio 语音处理工具
    ➤ 支持 Whisper / Faster-Whisper 语音识别
    ➤ 支持 Edge-TTS、Kokoro、CosyVoice 文字转语音
    ➤ 支持 F5-TTS、E2-TTS、CosyVoice 声音克隆
    ➤ 支持 Demucs 人声分离
    ➤ 支持 YouTube 下载与音频处理
    ➤ 支持多语言翻译与 AI 配音
    ➤ 一站式完成转文字、翻译、重新配音


    📌 简单说:
    👉 Voice-Pro 是一款本地运行的全能 AI 语音工具,将语音识别、文字转语音、声音克隆、人声分离、视频翻译配音等功能整合在一起,适合视频创作者、播客制作和 AI 配音用户。

    🆕 主要功能:

    ➤ AI 语音识别(90+语言)
    ➤ AI 文字转语音(400+声音)
    ➤ 零样本声音克隆
    ➤ 人声与背景音乐分离
    ➤ 视频下载与字幕生成
    ➤ 多语言翻译配音
    ➤ 本地运行,支持离线使用

    ⚙️ 运行环境:

    ➤ 推荐 NVIDIA 显卡
    ➤ Windows 支持双击 start.bat 安装
    ➤ 免费使用,无订阅限制

    🔗 项目地址:

    https://github.com/abus-aikorea/voice-pro

    📂 #Windows #AI #语音工具 #声音克隆 #开源项目
  5. 🎙 Voice Clone Studio

    📦 AI语音工具 | 语音克隆 | 开源项目

    ➤ AI 语音克隆与生成工具
    ➤ 支持音频样本声音克隆
    ➤ 支持语音转换与声音生成
    ➤ 支持语音转文字(STT)
    ➤ 支持音效处理
    ➤ 支持多说话人模式
    ➤ 集成多种 TTS 与语音 AI 模型
    ➤ 支持 Qwen3-TTS、VibeVoice、Chatterbox、Fish Speech、LuxTTS 等模型
    ➤ 基于 Gradio 开发


    📌 简单说:
    👉 Voice Clone Studio 是一个开源 AI 语音处理平台,将语音克隆、TTS 生成、声音转换和语音识别等功能整合到一个界面中,适合 AI 配音、语音实验和创作使用。

    🔗 项目地址:
    https://github.com/FranckyB/Voice-Clone-Studio

    📂 #GitHub #AI语音 #TTS #语音克隆 #开源项目
  6. 🤖 Vibe

    📦 AI 转录 | 本地工具 | 开源项目


    ➤ 音频、视频一键转换为文本
    ➤ 支持本地 Whisper 模型
    ➤ 支持 Nemotron 3.5 与 Parakeet TDT v3 模型
    ➤ 所有数据保存在本地电脑
    ➤ 注重隐私安全,无需上传文件
    ➤ 支持多说话人语音识别
    ➤ 自动生成文字转录结果
    ➤ 支持 SRT 字幕格式
    ➤ 支持 VTT、TXT、HTML、PDF
    ➤ 支持 JSON、DOCX 导出
    ➤ 支持 macOS、Windows、Linux
    ➤ 开源免费项目



    📌 简单说:
    👉 Vibe 是一款本地 AI 语音转文字工具,支持多种语音识别模型,可将音频和视频快速转换为字幕或文本文件,全程本地处理,保护隐私。

    🔗 项目地址:
    https://github.com/thewh1teagle/vibe

    📂 #AI #语音转文字 #Whisper #字幕工具 #开源项目
  7. 🔁 Voicebox
    📦 AI语音工具 | 本地语音转文字 | 开源项目


    ➤ 语音转文字|支持本地离线 ASR 识别
    ➤ 多模型支持|兼容 Whisper / Faster-Whisper
    ➤ 音频转录|支持 MP3 / WAV / M4A 等格式
    ➤ 字幕生成|自动生成 SRT 字幕文件
    ➤ 本地运行|注重隐私 无需上传云端
    ➤ 开源免费|跨平台桌面应用



    🌐 项目地址:
    https://github.com/jamiepine/voicebox

    📌 简单说:
    👉 一个开源的本地 AI 转录工具,可快速把音频视频转换成字幕与文本。

    ———— 商务合作————

    📂 #AI工具 #语音转文字 #Whisper #开源项目
    📁 Windows / AI工具
  8. 🔁 VibeVoice
    📦 开源项目 | GitHub | AI语音生成 + 识别


    ➤ 长音频识别|支持最长60分钟语音转文字(ASR)
    ➤ 结构化转录|自动识别说话人 + 时间戳 + 内容
    ➤ 多人语音生成|支持最多4人对话语音(TTS)
    ➤ 超长语音|可生成最长约90分钟连续音频
    ➤ 实时语音|支持低延迟流式TTS输出
    ➤ 多语言支持|覆盖50+语言识别能力
    ➤ 开源研究|适合开发与语音AI实验


    🌐 项目:
    https://github.com/microsoft/VibeVoice

    ———— 商务合作————

    📂 #AI工具 #语音AI #开源项目 #TTS #ASR
    📁 Windows / 开发工具
  9. 🎙 LazyTyper | 懒人打字神器,基于 Whisper 的语音输入法

    🔥 还在为了打字手酸?这款体积仅几 MB 的小工具,利用 OpenAI Whisper 模型,让你的语音转文字快如闪电!

    💎 核心亮点:

    ✅ 超高准确率: 🧠 基于强大的 Whisper 模型,识别准确率高达 90% 以上。
    ✅ 多语言混输: 🌍 真正支持中、英、日、韩无缝混合说,再也不用手动切换语言。
    ✅ 极致轻量化: 🪶 体积仅个位数 MB,内存占用极低,旧电脑也能跑得飞起。
    ✅ 完全免费: 🆓 支持 Windows & macOS 双平台,无内购,无广告。

    📢 社区反馈:
    在 V2EX 论坛引起热议,网友评价极高,被称为“只有几M的生产力怪兽”。

    → 📥 官网下载 (Win/Mac)
    → 🔗 查看 V2EX 原帖讨论

    频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI #语音输入 #效率工具 #Whisper #LazyTyper