speech-to-text — 开源软件健康

npm

82良好健康指数

🤖 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.

TypeScript★ 2,907↓ 613.6K/月2026年7月22日

MIT2026年7月22日 · 指标 1.13.0

npm

79良好健康指数

deepgram/deepgram-js-sdk

Official JavaScript SDK for Deepgram.

TypeScript★ 268↓ 2.4M/月2026年7月19日

MIT2026年7月19日 · 指标 1.13.0

—

78良好健康指数

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.

Swift★ 2,4672026年7月16日

Apache-2.02026年7月16日 · 指标 1.13.0

PyPI · npm

78良好健康指数

modelscope/FunASR

Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.

Python · C · HTML★ 19.4K2026年7月21日

MIT2026年7月21日 · 指标 1.13.0

—

78良好健康指数

tetherto/qvac

QVAC - Local AI SDK and libraries for building private, cross-platform, peer-to-peer AI applications. Run LLMs, speech-to-text, translation, and more locally on Linux, macOS, Windows, Android, and iOS.

TypeScript · JavaScript · C++★ 3212026年7月18日

Apache-2.02026年7月18日 · 指标 1.13.0

npm · PyPI

77良好健康指数

alibaba-damo-academy/funasr

Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.

Python · C · HTML★ 19.3K2026年7月17日

MIT2026年7月17日 · 指标 1.13.0

npm · PyPI

77良好健康指数

alibaba/funasr

Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.

Python · C · HTML★ 19.3K2026年7月17日

MIT2026年7月17日 · 指标 1.13.0

npm

73良好健康指数

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.

TypeScript★ 76↓ 1.6M/月2026年7月15日

MIT2026年7月15日 · 指标 1.13.0

PyPI

71良好健康指数

lfnovo/esperanto

A unified interface for various AI model providers

Python★ 204↓ 31.5K/月2026年7月19日

MIT2026年7月19日 · 指标 1.13.0

PyPI

70良好健康指数

m-bain/whisperX

WhisperX: Automatic Speech Recognition with Word-level Timestamps (& Diarization)

Python★ 23.2K2026年7月21日

BSD-2-Clause2026年7月21日 · 指标 1.13.0

crates.io · Maven · npm +1

69中等健康指数

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

C++ · Python★ 13.6K2026年7月17日

Apache-2.02026年7月17日 · 指标 1.13.0

npm · crates.io

69中等健康指数

silverstein/minutes

Every meeting, every idea, every voice note — searchable by your AI. Open-source, privacy-first conversation memory layer.

Rust★ 1,372↓ 5,342/月2026年7月23日

MIT2026年7月23日 · 指标 1.13.0

npm

68中等健康指数

zerodytrash/TikTok-Live-Connector

Node.js library to receive live stream events (comments, gifts, etc.) in realtime from TikTok LIVE.

TypeScript★ 2,080↓ 110.9K/月2026年7月21日

AGPL-3.02026年7月21日 · 指标 1.13.0

PyPI

64中等健康指数

dotdevdotdev/agentwire-dev

A self-hosted, keyboard-driven cockpit for running a whole fleet of Claude Code agents at once. Worktrees, command palette, scheduler, voice — every layer stacks, so you ship far more than hand-juggling terminals. Your machine, your keys, no telemetry.

Python · JavaScript★ 18↓ 4,499/月2026年7月19日

Apache-2.02026年7月19日 · 指标 1.13.0

NuGet

64中等健康指数

fgilde/Nextended

Moved package nExt from CodePlex to github and updated to .net5

C#★ 92026年7月21日

GPL-3.02026年7月21日 · 指标 1.13.0

63中等健康指数

gojargo/jargo

A WebRTC-native, audio-first conversational-AI framework for Go.

Go★ 262026年7月17日

BSD-2-Clause2026年7月17日 · 指标 1.13.0

crates.io · PyPI

61中等健康指数

crispstrobe/crispasr

C++ ggml runtime hub for multilingual ASR and TTS models: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc, plus universal forced alignment, and more

C++ · Python · C★ 4352026年7月16日

MIT2026年7月16日 · 指标 1.13.0

PyPI · crates.io

61中等健康指数

handy-computer/transcribe.cpp

ggml speech-to-text inference for 16+ model families

C++ · C★ 197↓ 7,559/月2026年7月17日

MIT2026年7月17日 · 指标 1.13.0

npm · PyPI

59中等健康指数

arcforgelabs/dictate

Desktop dictation that types into the focused app. Configurable push-to-talk, local/API transcription, tray settings, and recent history.

Python · JavaScript★ 0↓ 8,233/月2026年7月16日

MIT2026年7月16日 · 指标 1.13.0

npm · crates.io

59中等健康指数

snomiao/otoji

realtime speech ⇄ text, 音を字に — wire mic → STT → translate → speech as an on-device voice graph that spans your devices over WebRTC. Runs in the browser (transformers.js/ONNX/WebGPU); no API keys, nothing leaves the device by default.

TypeScript · Rust★ 1↓ 4,782/月2026年7月15日

MIT2026年7月15日 · 指标 1.13.0

PyPI

57中等健康指数

SYSTRAN/faster-whisper

Faster Whisper transcription with CTranslate2

Python★ 24.4K2026年7月18日

MIT2026年7月18日 · 指标 1.13.0

55中等健康指数

VoiceBlender/voiceblender

A programmable voice platform: SIP and WebRTC call control, multi-party mixing, recording, TTS/STT, and pluggable AI agents (ElevenLabs, VAPI, Pipecat, Deepgram) — all driven through a REST API, webhooks, and a WebSocket event stream

Go★ 972026年7月20日

MIT2026年7月20日 · 指标 1.13.0

npm

52中等健康指数

arach/vox

Local-first macOS transcription runtime with Swift services, a Bun CLI, and a TypeScript SDK.

Swift · TypeScript★ 52026年7月19日

无许可证2026年7月19日 · 指标 1.13.0

npm · RubyGems · Go +2

50中等健康指数

runapi-ai/elevenlabs-sdk

RunAPI ElevenLabs SDK for text-to-speech, dialogue generation, sound effects, speech transcription, and audio isolation workflows in JavaScript, Python, Ruby, Go, Java, and PHP

Java★ 0↓ 254/月2026年7月21日

Apache-2.02026年7月21日 · 指标 1.13.0

PyPI

49存在风险健康指数

Leon-Sander/Local-Multimodal-AI-Chat

Self-hostable multimodal chat with local LLMs (Ollama/OpenAI): PDF RAG, image chat, and Whisper voice, Streamlit + Docker.

Python★ 2032026年7月18日

GPL-3.02026年7月18日 · 指标 1.13.0

PyPI

44存在风险健康指数

HenestrosaDev/audiotext

A desktop application that transcribes audio from files, microphone input or YouTube videos with the option to translate the content and create subtitles.

Python★ 3512026年7月18日

自定义许可证2026年7月18日 · 指标 1.13.0

npm

41存在风险健康指数

TranscribeJs/transcribe.js

Monorepo for Transcribe.js

JavaScript · C++★ 532026年7月18日

MIT2026年7月18日 · 指标 1.13.0

PyPI

39存在风险健康指数

collectivat/cmusphinx-models

Acoustic and language models for minorised languages.

Python · Shell★ 262026年7月22日

AGPL-3.02026年7月22日 · 指标 1.13.0

crates.io · npm

35存在风险健康指数

cjpais/Handy

A free, open source, and extensible speech-to-text application that works completely offline.

Rust · TypeScript★ 27K2026年7月20日

MIT2026年7月20日 · 指标 1.13.0

PyPI

33存在风险健康指数

istupakov/onnx-asr

A lightweight Python package for Automatic Speech Recognition using ONNX models

Python★ 347↓ 244.7K/月2026年7月20日

MIT2026年7月20日 · 指标 1.13.0

#speech-to-text