全部项目
当前范围的仓库 69 · UTC 2026-11-05
对比排名项目StarFork30 天趋势7 天净增最近推送登录后收藏
2—Gggml-org / whisper.cppOpenAI 的 Whisper 模型在 C/C++ 中的移植C++MIT · 宽松，可直接商用名次历史不足54,8776,270——2026-11-03
4—ZZackriya-Solutions / meetily适用于 Windows 和 macOS 的隐私优先 AI 会议记录器。免费、开源（麻省理工学院）。设备上 Whisper/Parakeet 转录和说话者分类，无会议机器人。 Granola、Otter 和 Fireflies 的开源替代品。 https://meetily.aiRustMIT · 宽松，可直接商用名次历史不足32,3873,555——2026-11-02
6—SSYSTRAN / faster-whisper使用 CTranslate2 加快 Whisper 转录速度PythonMIT · 宽松，可直接商用名次历史不足26,4312,196——2026-11-02
7—Mm-bain / whisperXWhisperX：带有字级时间戳（和二值化）的自动语音识别PythonBSD-2-Clause · 宽松，可直接商用名次历史不足25,0452,525——2026-10-22
8—EEvil0ctal / Douyin_TikTok_Download_API🚀 自托管的抖音、TikTok、B 站数据采集与无水印视频下载 API,支持 AI agent 通过 MCP 调用与离线语音转文字,Docker 一键部署。| Self-hosted TikTok, Douyin & Bilibili scraper and no-watermark video downloader — async REST API, MCP server for AI agents, CLI and web console, plus offline speech-to-text for downloaded videos. Self-healing identity pool, PostgreSQL archive, one docker compose up.PythonApache-2.0 · 宽松，可直接商用名次历史不足21,1122,938——2026-11-02
9—Mmodelscope / FunASR开源语音识别工具包，用于训练、推理、流式 ASR、VAD、标点符号、说话者分类管道和 OpenAI 兼容/MCP 服务。PythonMIT · 宽松，可直接商用名次历史不足20,9132,102——2026-11-02
10—Jjianchang512 / pyvideotrans将视频从一种语言翻译成另一种语言并嵌入配音和字幕。PythonGPL-3.0 · 需开源衍生作品名次历史不足19,6302,430——2026-11-03
11—NNVIDIA-NeMo / Speech专为大型语言模型、多模式和语音 AI（自动语音识别和文本转语音）研究人员和开发人员构建的可扩展生成式 AI 框架PythonApache-2.0 · 宽松，可直接商用名次历史不足18,6863,675——2026-11-02
12—Kk2-fsa / sherpa-onnx使用下一代 Kaldi 和 onnxruntime 进行语音转文本、文本转语音、说话人分类、语音增强、源分离和 VAD，无需连接互联网。支持嵌入式系统、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64服务器、websocket服务器/客户端，支持12种编程语言C++Apache-2.0 · 宽松，可直接商用名次历史不足15,7011,837——2026-10-29
13—Kkaldi-asr / kaldikaldi-asr/kaldi 是 Kaldi 项目的官方位置。ShellNOASSERTION · 限制商用 / 未知名次历史不足15,5115,344——2025-09-22
14—Aalphacep / vosk-api支持移动设备、树莓派和服务器的离线语音识别 API。Jupyter NotebookApache-2.0 · 宽松，可直接商用名次历史不足15,2241,769——2026-10-15
15—NNVIDIA / DeepLearningExamples作者声明：按模型组织的最先进的深度学习脚本 - 易于训练和部署，在企业级基础设施上具有可重复的准确性和性能。Jupyter Notebook未知 · 限制商用 / 未知名次历史不足14,8703,403——2024-08-12
17—Hhuggingface / speech-to-speech使用开源模型构建语音代理PythonApache-2.0 · 宽松，可直接商用名次历史不足13,6271,684——2026-11-02
18—Aabus-aikorea / voice-pro面向创作者和开发者的 Gradio WebUI，具有关键 TTS（Edge-TTS、kokoro）和零样本语音克隆（E2 和 F5-TTS、CosyVoice），以及 Whisper 音频处理、YouTube 下载、Demucs 声音隔离和多语言翻译。PythonGPL-3.0 · 需开源衍生作品名次历史不足13,3931,932——2026-07-13
19—Kkmario23 / deep-learning-drizzle通过学习这些激动人心的讲座，让自己沉浸在深度学习、强化学习、机器学习、计算机视觉和 NLP 的知识中！HTML未知 · 限制商用 / 未知名次历史不足12,9762,977——2026-08-22
20—PPaddlePaddle / PaddleSpeech作者声明：易于使用的语音工具包，包括自监督学习模型、带标点符号的 SOTA/流式 ASR、带文本前端的流式 TTS、说话者验证系统、端到端语音翻译和关键字识别。荣获NAACL2022最佳演示奖。PythonApache-2.0 · 宽松，可直接商用名次历史不足12,7021,952——2026-08-12
商用三档依据许可证元数据自动分类；具体义务需结合实际使用方式核对。未知不等于禁止商用。