Qwen Audio Agent

NEW

开源多模态 & 视觉 › 语音识别 ASR⭐ 135↑+1

Qwen 官方的实时语音 Agent runtime，让 Agent 持续对话、工作和在场。JavaScript 编写，59 stars。

🎯适用场景：构建需要实时语音交互的 AI Agent 应用

#voice-agent#realtime#qwen#speech-runtime

📥 收录于 2026/7/29

访问工具 📖 官方文档

📊 仓库数据

Stars135

Forks6

语言JavaScript

上线2026/7/27

更新2026/7/29

📈 Stars 变化 ↑5 天 +1· 统计区间 7/24 23:22 → 7/29 17:10（5 天）

✅ 优点

•Qwen 官方出品
•实时语音 runtime
•Agent 持续对话

⚠️ 限制

•新项目，stars 较低
•文档和示例尚不完善

🔗 相关工具

OpenAI Whisper

开源⭐ 106k↑+56

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

开源⭐ 52k↑+14

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

#语音识别#Whisper#C++#跨平台

LocalAI

开源⭐ 48k↑+6

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

#本地部署#隐私保护#OpenAI 兼容#多模型

Meetily

开源⭐ 27k↑+68

github.com/Zackriya-Solutions/meetily

隐私优先的 AI 会议助手，支持 Parakeet/Whisper 实时转录，速度比传统方案快 4 倍。本地优先设计，支持会议纪要提取、关键词标记和行动项追踪

🎯AI 会议纪要自动生成、实时语音转录、行动项追踪与管理

#会议助手#语音转文字#隐私优先#实时转录

DeepSpeech

开源⭐ 27k

github.com/mozilla/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。

🎯离线语音转文字、嵌入式语音识别、隐私优先的语音应用

#深度学习#Deepspeech#Embedded#机器学习

Faster Whisper

开源⭐ 25k↑+9

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

#speech-to-text#whisper#推理#量化