OpenAI Whisper

开源多模态 & 视觉 › 语音识别 ASR107k↑+73

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

🎯适用场景：多语言语音转文字、音频转录、本地私有化语音识别

#语音识别#多语言#转录

📥 收录于 2026/4/11

访问工具 📖 官方文档

📊 仓库数据

Stars107,166

Forks13,005

语言Python

上线2022/9/17

更新2026/8/13

📈 Stars 变化 ↑1 天 +73· 统计区间 8/12 03:47 → 8/13 04:33（1 天）

✅ 优点

•OpenAI 官方开源模型
•支持 99 种语言识别
•可完全本地部署保护隐私
•99K+ stars 社区标准

⚠️ 限制

•实时转录延迟较高
•大模型推理需 GPU 加速
•长音频处理内存占用大

🔗 相关工具

FunASR

开源20k↑+16

github.com/modelscope/FunASR

阿里 ModelScope 出品的工业级语音识别工具包，170 倍实时、50+ 语言、说话人分离、情绪检测、流式识别，并提供 OpenAI 兼容 API。16K+ stars，是中文语音 AI 的标杆项目

🎯语音识别转写、会议记录自动转录、智能客服语音理解

SenseVoice

开源9.1k↑+5

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

Whisper.cpp

开源53k↑+19

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

WhisperX

开源24k↑+16

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

#语音识别#Whisper#说话人分离#时间戳

pyVideoTrans

开源19k↑+14

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

Voice-Pro

开源12k↑+22

github.com/abus-aikorea/voice-pro

AI 语音处理全栈 WebUI，10K+ stars。集成 TTS、零样本语音克隆、Whisper 语音识别、Demucs 音轨分离等能力

🎯语音合成、语音克隆、播客/有声书制作、多语言翻译配音

#TTS#语音克隆#Whisper#Gradio+1