Whisper.cpp

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

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

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

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

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

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