GitHub 上的语音转文字工具开源项目按星标排序一览

语音转文字这一类一共 27 款,依星标自高而低排序,这里列出其中最靠前的 24 款。

语音识别与转写工具,能否在本地运行关系到隐私边界,模型体积和准确率之间需要取舍。

1Handy 38.8k把语音变成文字,不联网也行:这个桌面应用开源免费,还能扩展,Linux、macOS、Windows 都可安装。Rust 2026.11.142KittenTTS 16.2k开源的文本转语音库 KittenTTS 以 Python 编写。它的旗舰型号叫 KittenTTS 2,大约 5 秒参考音频就能完成音色克隆,也可控制表情,支持 20 种语言,仅用 CPU 即可实时合成语音。Python 2026.02.243FluidVoice 13.0k定位为 macOS 平台速度最快的语音听写应用,能在本地调用 AI 做增强,也是 Wispr Flow 在开源与本地运行方向上的替代品。Swift 2026.11.134openwhispr 10.3k语音转文字应用,隐私为先,跨平台;可用本地模型(NVIDIA 的 Parakeet 或 Whisper)或云端模型,会议转录和与 AI 代理交互都行。JavaScript 2026.10.295vibe 8.1k本地运行的 AI 转录应用,隐私是首要考虑,核心模型 Whisper 来自 OpenAI,在设备上就能把音视频转成文字。TypeScript 2026.11.136VoiceInk 7.1k在 macOS 上,它是 Superwhisper 与 Wispr Flow 的出色开源替代,语音转文字应用不需要订阅,可用离线本地模型,能结合上下文,设有全局快捷键与 AI 助手模式。Swift 2026.11.117espeak-ng 7.0k开源的小型语音合成器(TTS),采用共振峰合成方式,覆盖 100 多种语言和口音,可通过命令行、共享库、SAPI5 等多种方式使用。C 2024.12.128tts-server-android 4.5kAndroid 平台的语音合成应用,作为系统级引擎使用,既自带微软演示接口,也支持自定义的 HTTP 请求和本地 TTS 引擎导入;还能根据中文双引号拆分旁白与人物对话,听小说时很顺手。Kotlin 2023.07.269OpenSuperWhisper 3.0kmacOS 上的实时语音转文字应用,模型选用 Whisper 与 Parakeet,可以用全局快捷键或鼠标操作来触发。Swift 2026.03.0310CloneTTS 888CloneTTS 是一个能在 Android 本机离线运行的小型文字转语音引擎,可提取离线发音人、轻松克隆音色,还支持系统级全局听书,推理过程全部发生在设备上。 2026.11.1311Mimi 876mimi 的作用是给系统音频实时配字幕并翻译,适用于 Apple silicon 的 macOS 13 以上与 Windows x64;电影、直播、课程、游戏的声音,经云端服务转成简体中文、英文或日文,显示在悬浮窗里。Rust 2026.11.1412BiBi-Keyboard 874Android 平台上的 AI 语音输入法,名叫说点啥(BiBi Keyboard)。长按麦克风便能说话输入;引擎方面共 18 个 ASR,其中 6 个本地模型可离线使用,识别后还可交给 LLM 做文本后处理,所以输入既快又准。Kotlin 2026.11.1313opentypeless 599能取代 Wispr Flow 与 Superwhisper 的开源 AI 语音输入工具,可在 Linux 和 Windows 以及 macOS 上使用。Rust 2026.10.1114SayIt 481SayIt 是 Windows 上开源的语音输入工具:按快捷键开口说话,经 AI 润色后的文字自动出现在光标处。本地模型、自备 API 密钥、自托管后端都可选,它想替代的是 Superwhisper、Wispr Flow 这类闭源产品。TypeScript 2026.11.0915danmuai 366Windows 桌面上的 AI 弹幕助手:隔一段时间截一次屏,由视觉模型写出弹幕,贴在透明弹幕层上,也能用 TTS 念出;给直播、录播、游戏和桌面内容配一群会观察又爱吐槽的 AI 观众。Python 2026.10.0416AudioScript 353“声稿”AudioScript 是跨平台桌面语音转写软件:抓取系统播放的声音,实时生成中英双语悬浮字幕,识别与翻译都在本机离线跑完。Rust 2026.11.1217VocoType-linux 256中文语音输入法,离线运行,Linux 与 macOS 都能用,建立在 Ali FunASR 上;字几乎瞬间(约 0.1 秒)就上屏,用起来像普通输入法一样稳,中文准确率很高,只吃 CPU、占用少,接入方式是 Fcitx5、IBus 以及 macOS 的 InputMethodKit。C++ 2026.09.1718MultiTTS 143MultiTTS 是 Android 上的多引擎文字转语音应用,可接入多种语音合成引擎和离线语音包,引擎、语音包、发音规则都由用户自己配置,用来离线听书或做系统级的语音合成。 2025.08.2019WebSpeak-client-for-TeamSpeak 124WebSpeak 可自行部署,是 TeamSpeak 3 / 6 的网页客户端兼语音网关,用户在浏览器里就能进语音频道,服务器与访问策略则由部署者自己掌握。TypeScript 2026.11.1420ddo-tts 81带微软 EdgeTTS 的朗读引擎,借助 rany2 的 edge-tts 做到装完就能听,用来配合「阅读」(Legado)等阅读类软件。Kotlin 2026.09.2121ms-edge-tts-gui 74Windows 上免费开源的图形界面工具,基于 Edge TTS,文章、脚本和字幕文稿都能合成自然的 MP3 音频,无需 API Key。工作模式有逐行、逐页和普通三种;句间停顿能单独设定,行末保留真实静音。另外支持 SRT 字幕、时间轴 JSON,逐句试听时高亮显示,结果可批量导出为 ZIP。Python 2026.11.1422blyy 72碧蓝语音(BLYY)是碧蓝航线的舰娘应用,开发采用 Kotlin 加 Compose,集秘书舰互动、舰娘图鉴、语音播放与多个小功能于一体。Kotlin 2026.11.1223easysub 71易字幕(EasySub)是 Edge、Chrome 里的免费扩展,彻底离线:在本机用 WASM 语音识别模型,为网页音频实时生成中英文字幕;音频不会上传,不用注册,也无需联网。TypeScript 2026.11.0924tts-vue-next 71文本转语音的桌面应用,语音来自 Microsoft Edge 的 TTS 服务,界面采用 Vue 3 加 Vuetify,外壳是 Tauri;可实时转语音,批量转换,导出多种音频格式。TypeScript 2026.04.18