适用于Mac的快速本地语音应用——系统级听写、文件与YouTube转录，以及会议录制。基于Apple Silicon上的Parakeet TDT驱动。免费且开源。

一款用于音频模型的一体化纯 C++ 推理引擎，由 ggml 提供支持。支持TTS、STT、VAD、语音转换、音乐生成等，性能高度优化。没有 Python 依赖。

支持16+模型家族的ggml语音转文本推理

🎙️ AI Dictation App - Open Source and Local-first ⚡ Type 3x faster, no keyboard needed. 🆓 Powered by open source models, works offline, fast and accurate.

在您的应用中集成前沿CoreML音频模型——文本转语音、语音转文本、语音活动检测及说话人分离。基于Swift开发，由顶尖开源技术驱动。

Meetily是一款隐私优先的AI会议助手，基于Rust构建，提供比Parakeet/Whisper快4倍的实时转录、说话人分离及Ollama摘要功能。100%本地处理，无需云端。作为排名第一的自托管开源AI会议记录工具，支持macOS与Windows系统。

基于 Apple MLX 框架构建的文本转语音 (TTS)、语音转文本 (STT) 和语音转语音 (STS) 库，可在 Apple Silicon 上提供高效的语音分析。

面向苹果芯片的端侧语音人工智能

一个用于在Apple Silicon上使用MLX进行音频处理的模块化Swift SDK

支持本地模型（Nvidia Parakeet/Whisper）与云端模型（BYOK）的语音转文字听写应用，注重隐私优先，并实现跨平台兼容。

OpenAI Whisper模型的C/C++移植版本

端到端语音识别基础工具包与开源SOTA预训练模型，支持语音识别、语音活动检测、文本后处理等功能。

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

开源 SenseVoiceSmall 模型，适用于普通话、粤语、英语、日语和韩语 ASR、语言 ID、情绪识别和音频事件检测。

适用于Android、iOS、树莓派及服务端的离线语音识别API，支持Python、Java、C#和Node.js开发语言。

VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案 — 提供 646 种语言的语音克隆、语音设计、视频配音、听写、转录和有声读物创建。