BetterWhisperX-改进版自动语音识别工具

一个离线运行的本地语音识别转文字服务，能够输出json、srt字幕及纯文字格式，支持多种语言和自定义词汇，提供高准确率的语音识别功能。

sherpa-ncnn 是一个使用下一代 Kaldi 和 ncnn 构建的实时语音识别系统，支持多种语言和方言，具备低延迟性能，适合各种实时应用场景。它提供灵活的模型部署选项，并兼容 Kaldi 的最新技术，能够满足开发者的多样化需求。

WhisperS2T是一个为Whisper模型优化的语音转文本处理管道，支持多个推理引擎，旨在提供高准确率和灵活配置选项的语音识别解决方案。

HeyGen 是一个全面的视频翻译解决方案，能够自动处理视频中的语音，并支持多语言翻译，适用于多种场景。

AIQ Interview 是一款基于大型模型技术的先进AI在线面试助手和模拟工具，提供实时语音识别、二级响应提示和行业及职位的个性化调整，帮助用户提升求职竞争力。用户可以体验模拟面试、获得详细反馈报告，并根据目标公司和职位设定面试目标，上传简历以获得AI生成的回答。

基于GPT4-o的模块化开源语音转文字再转语音的解决方案，支持语音活动检测、语音转文字、语言模型交互和文字转语音的连续流程，旨在提供高度模块化和可定制的语音交互体验

VITA是一个接近GPT-4o级别的开源实时视觉语音交互模型，能够理解图片和视频内容，并用语音回答用户的问题。

强大的广播内容监测平台，专注于移民社区的虚假信息检测。基于Google Gemini LLM和OpenAI Whisper打造的三阶段分析系统，可实现持续广播内容录制、自动问题内容检测、语音转文字、翻译分析等功能。

Wenet STT Python是一个基于WeNet的语音识别库，旨在提供高效、准确的语音转文本功能。它支持多种语言，能够实时处理语音输入，并允许用户自定义模型以满足特定需求，易于与现有Python项目集成。

storly.ai是一个由人工智能驱动的平台，旨在简化记录生活故事和经历的过程。它提供采访提示和语音转文字功能，帮助用户在5分钟内写出独特的故事。

JARVIS是一个个人AI语音助手，能够实现语音转文字、生成语言模型回复和文字转语音功能，并通过Web界面进行展示。

Ichigo Llama 3.1是一个开源的Llama语音项目，类似于OpenAI的语音模式，经过50K小时的语音训练，支持7种语言，能够进行实时语音AI处理，并针对1.89M个样本进行了指令调整。项目使用10x A1000进行训练，旨在提供高效、准确的语音识别与生成能力。

Diart是一个优化方案的代码实践，构建在pyannote-audio模型之上，旨在实时识别不同的说话人，特别适用于实时音频流（如来自麦克风）的场景。

"Smart Typer"是一个利用人工智能技术的Android键盘应用，旨在提升和改变用户在移动设备上的写作体验。它的主要作用是作为一个高级的文本输入工具，通过人工智能集成来提供更高效、准确和具有上下文感知的打字体验。它超越了传统移动键盘的能力，能够理解用户的意图，并实时提供相关的建议、更正和增强。

SEPIA 服务器支持通过WebSocket连接进行开源语音识别，易于自定义与扩展，兼容多种语音识别引擎。

april-asr是一个用C语言开发的语音转文本(STT)库，具备高效的语音识别算法和实时转录功能，支持多种语言，具有可扩展的架构，便于集成到其他项目中，适用于多种应用场景。

DenoLyrics是一个基于AI模型的网络应用，支持143种语言，提供音频转录、字幕、文本摘要和多语言翻译。它使用大型模型Whisper进行实时语音识别。

SpeechPulse是一个利用计算机麦克风进行实时语音识别的应用程序，可以将语音转换为文本，支持在文本编辑器、网页浏览器和办公应用中输入，同时还可以转录音频/视频文件并生成字幕。