PyPI · npm · crates.io
microsoft/foundry-local
该仓库未发布描述。
自定义许可证2026年9月14日 · 指标 2.10.0
全部标签
目录标签
#speech-to-text
公开记录中带有此标签的全部仓库——标签来自其 GitHub 主题或软件包注册表发布的关键词。健康度量遵循与记录其余部分相同的版本化方法论。
84 条记录
npm
software-mansion/react-native-executorch
High-performance, privacy-first on-device AI inference library for React Native, powered by PyTorch's ExecuTorch runtime
自定义许可证2026年10月17日 · 指标 2.10.0
npm
TanStack/ai
🤖 Type-safe, provider-agnostic TypeScript AI SDK for streaming chat, tool calling, agents, and multimodal apps across OpenAI, Anthropic, Gemini, React, Vue, Svelte, and Solid.
MIT2026年9月12日 · 指标 2.10.0
PyPI
Blaizzy/mlx-audio
A text-to-speech (TTS), speech-to-text (STT) and speech-to-speech (STS) library built on Apple's MLX framework, providing efficient speech analysis on Apple Silicon.
MIT2026年8月28日 · 指标 2.10.0
PyPI
deepgram/deepgram-python-sdk
Official Python SDK for Deepgram.
MIT2026年10月19日 · 指标 2.10.0
npm
tetherto/qvac
Open-source local AI SDK - run AI on-device with no cloud, no API keys. Supports GGUF, RAG, image, music, and video generation, speech-to-text, P2P inference, and more. Cross-platform: Linux, macOS, Windows, Android, iOS.
Apache-2.02026年9月10日 · 指标 2.10.0
npm
deepgram/deepgram-js-sdk
Official JavaScript SDK for Deepgram.
MIT2026年8月27日 · 指标 2.10.0
PyPI · npm
modelscope/FunASR
Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.
MIT2026年9月16日 · 指标 2.10.0
npm · crates.io
screenpipe/screenpipe
YC (S26) | Open Computer History | Record your screen continuously locally and provide context to your agents (Claude, Codex, Openclaw, Hermes, Runner...)
自定义许可证2026年9月16日 · 指标 2.10.0
—
FluidInference/FluidAudio
Frontier CoreML audio models in your apps — text-to-speech, speech-to-text, voice activity detection, and speaker diarization. In Swift, powered by SOTA open source.
Apache-2.02026年9月9日 · 指标 2.10.0
RubyGems · PyPI
ggml-org/whisper.cpp
Port of OpenAI's Whisper model in C/C++
MIT2026年10月18日 · 指标 2.10.0
PyPI
waybarrios/vllm-mlx
High-performance OpenAI and Anthropic compatible LLM inference server for Apple Silicon. Native MLX, continuous batching, multimodal models, MCP tool calling, and Claude Code support.
Apache-2.02026年10月20日 · 指标 2.10.0
npm
AssemblyAI/assemblyai-node-sdk
The AssemblyAI JavaScript SDK provides an easy-to-use interface for interacting with the AssemblyAI API, which supports async and real-time transcription, audio intelligence models, as well as the latest LeMUR models.
MIT2026年9月6日 · 指标 2.10.0
npm · crates.io
silverstein/minutes
Open-source, local-first Granola/Otter alternative that Claude Code, Codex, Cursor, and any MCP client can query. Meetings, calls, and voice memos transcribed on-device into markdown you own.
MIT2026年9月13日 · 指标 2.10.0
npm
HumeAI/hume-typescript-sdk
Add Hume AI to any TypeScript project
MIT2026年9月14日 · 指标 2.10.0
NuGet
deepgram/deepgram-dotnet-sdk
Official .NET SDK for Deepgram.
MIT2026年9月15日 · 指标 2.10.0
PyPI
lfnovo/esperanto
A unified interface for various AI model providers
MIT2026年9月11日 · 指标 2.10.0
crates.io · npm
cjpais/Handy
A free, open source, and extensible speech-to-text application that works completely offline.
MIT2026年9月16日 · 指标 2.10.0
PyPI · npm
moonshine-ai/moonshine
Very low latency speech to text, intent recognition, and text to speech, for building voice agents and interfaces
自定义许可证2026年8月28日 · 指标 2.10.0
PyPI
Uberi/speech_recognition
Speech recognition module for Python, supporting several engines and APIs, online and offline.
BSD-3-Clause2026年8月27日 · 指标 2.10.0
npm · crates.io
drakulavich/kesha-voice-kit
Give your tools a voice — speech to text and back, 25 languages, up to ~19× faster than Whisper. On your machine.
MIT2026年9月14日 · 指标 2.10.0
PyPI · npm
Picovoice/cheetah
On-device streaming speech-to-text engine powered by deep learning
Apache-2.02026年10月1日 · 指标 2.10.0
crates.io · Maven · npm +1
k2-fsa/sherpa-onnx
Speech-to-text, text-to-speech, speaker diarization, speech enhancement, source separation, and VAD using next-gen Kaldi with onnxruntime without Internet connection. Support embedded systems, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64 servers, websocket server/client, support 12 programming languages
Apache-2.02026年8月27日 · 指标 2.10.0
NuGet · npm
sandrohanea/whisper.net
Whisper.net. Speech to text made simple using Whisper Models
MIT2026年10月21日 · 指标 2.10.0
—
tryAGI/ElevenLabs
C# SDK for the ElevenLabs API -- text-to-speech and speech-to-text
MIT2026年8月25日 · 指标 2.10.0
crates.io
altunenes/parakeet-rs
very fast speech-to-text, diarization, streaming (even in CPU) with NVIDIA Parakeet in Rust
MIT2026年9月14日 · 指标 2.10.0
npm
deepgram/agent
Voice agent SDK, React components, and embeddable widget for the Deepgram Agent API
MIT2026年10月21日 · 指标 2.10.0
PyPI
istupakov/onnx-asr
A lightweight Python package for Automatic Speech Recognition using ONNX models
MIT2026年9月12日 · 指标 2.10.0
PyPI
modelscope/FunClip
FunASR-powered video transcription, subtitle generation, and LLM-assisted clipping tool with a local Gradio UI.
MIT2026年10月21日 · 指标 2.10.0
crates.io · npm
peteonrails/voxtype
Voice-to-text with push-to-talk for Wayland compositors
MIT2026年9月19日 · 指标 2.10.0