DeepSpeech
DeepSpeech 是 Mozilla 开发的开源语音转文字引擎，基于深度学习技术，支持离线和嵌入式运行。可从树莓派到高性能 GPU 服务器实时运行，是语音识别领域的经典开源项目。26K+ stars。
🎯适用场景：离线语音转文字、嵌入式语音识别、隐私优先的语音应用
📥 收录于 2026/6/3
📊 仓库数据
📈 Stars 变化 ↑1 天 +2· 统计区间 6/10 18:12 → 6/12 00:29（1 天）
✅ 优点
- •完全开源和离线可用
- •可在树莓派等嵌入式设备运行
- •Mozilla 出品技术可靠
- •支持多种语言
⚠️ 限制
- •最后推送为 2025 年 6 月更新缓慢
- •识别精度不如 Whisper 等现代模型
- •社区维护状态不明确
🔗 相关工具
NVIDIA NeMo
github.com/NVIDIA-NeMo/NeMo
NVIDIA 可扩展生成式 AI 框架，17K+ stars。专为 LLM、多模态和语音 AI（ASR + TTS）研究者和开发者设计，是 NVIDIA 生态中训练和部署大模型的标准框架
🎯企业级 LLM/语音模型训练、微调与 NVIDIA 栈部署
OpenAI Whisper
github.com/openai/whisper
OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景
🎯多语言语音转文字、音频转录、本地私有化语音识别
Whisper.cpp
github.com/ggml-org/whisper.cpp
OpenAI Whisper C/C++ 移植，48,793+ stars。高性能语音识别引擎，将 OpenAI Whisper 移植到 C/C++，支持 99 种语言的语音转文字，CPU 即可高效运行
🎯多模态内容理解与生成
LocalAI
github.com/mudler/LocalAI
开源本地 AI 引擎，45,607+ stars。完全兼容 OpenAI API 的本地 AI 推理引擎，支持 LLM、语音识别、图像生成等多种模型，数据完全本地处理保护隐私
🎯生产环境模型推理服务、多模态内容理解与生成
Faster Whisper
github.com/SYSTRAN/faster-whisper
基于 CTranslate2 的加速版 Whisper 语音转文字引擎，支持多种量化格式和 GPU 加速，提供高性能语音识别和转录能力
🎯高性能语音识别和转录
WhisperX
github.com/m-bain/whisperX
Whisper 增强版语音识别工具，支持词级时间戳和说话人分离（Diarization）。在 OpenAI Whisper 基础上大幅提升语音转文字精度，是 AI 语音处理流水线的标准组件。22K stars
🎯多模态内容理解与生成