QuQu
开源免费的 Wispr Flow 替代方案，集成 FunASR 本地模型和可配置大语言模型的下一代中文桌面语音工作流。支持实时语音转文字、AI 摘要生成和多平台同步，2.1K stars
🎯适用场景：桌面语音工作流——会议录音转文字 + AI 摘要生成 + 多平台同步，适合中文办公场景
📥 收录于 2026/5/27
📊 仓库数据
✅ 优点
- •FunASR 本地模型中文识别率高
- •Rust 实现性能优异低延迟
- •开源免费无 API 费用
- •桌面应用开箱即用
⚠️ 限制
- •2.1K stars 社区规模较小
- •主要面向中文场景英文支持有限
- •多平台同步功能待完善
🔗 相关工具
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
Upscayl
github.com/upscayl/upscayl
AI 图片超分辨率工具，44,717+ stars。免费开源的 AI 图片放大器，支持 Linux、macOS、Windows。使用 Real-ESRGAN 等模型实现 4x 无损放大，是设计、摄影、AI 图像后处理的必备工具。
🎯多模态内容理解与生成
pyVideoTrans
github.com/jianchang512/pyvideotrans
视频翻译工具，自动翻译视频并嵌入配音和字幕，17k+ stars
🎯将视频从一种语言翻译到另一种语言并嵌入配音和字幕
SenseVoice
github.com/FunAudioLLM/SenseVoice
多语言语音理解模型，8.2K+ stars。支持 ASR 语音识别、音频事件检测、跨语言理解和情感检测，是 FunAudioLLM 系列的语音理解模型
🎯多语言语音识别和音频内容理解
Stable Diffusion WebUI
github.com/AUTOMATIC1111/stable-diffusion-webui
最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具
🎯大模型微调与训练、多模态内容理解与生成