Speechify在Chrome扩展中新增语音检测功能，支持语音输入和语音助手，旨在提升文档处理效率。该功能利用先进语音识别技术，实时纠错并自动删除多余填充词，帮助用户在竞争激烈的语音工具市场中脱颖而出。
字节跳动推出“豆包输入法”，安卓版已上线，iOS版即将发布。它基于豆包App语音模型，提升语音识别、语义理解和键盘输入效率，支持方言、英语及中英混合输入，适应轻声、快语和嘈杂环境，核心功能是语音后自动纠错。
复旦大学MOSS团队发布MOSS-Speech，首次实现端到端语音对话，模型已在Hugging Face上线并开源。采用“层拆分”架构，冻结原文本模型，新增语音理解、语义对齐和声码器层，可一次性完成语音问答、情绪模仿和笑声生成，无需传统三段式流程。评测显示，在ZeroSpeech2025任务中词错率降至4.1%，情感识别准确率达91.2%。
百度世界大会上，小度科技发布升级版多模态AI助手“超能小度”，整合语音、视觉和空间信息，提升感知能力。该助手支持听、说及环境识别，数千万小度设备可免费升级，推动人机交互进步，让用户体验更智能生活。
离线AI语音转文字应用，本地运行，隐私安全，一次付费，终身使用。
开源免费的 Wispr Flow 替代方案，为中文用户打造的桌面端语音输入与文本处理工具。
BlabbyAI Chrome扩展，快速准确将语音转换为文本，支持任意网站语音输入。
语音转文字工具，让你的语音变成干净标点的文字。
ycngin2024
这是一个经过微调的Whisper语音识别模型，基于unsloth/whisper-large-v3-turbo架构，使用Unsloth和Huggingface TRL库实现了2倍训练加速，显著提升了训练效率。
adoamesh
本模型是基于OpenAI Whisper-small模型针对斯瓦希里语进行微调的自动语音识别模型。在FLEURS-SLU数据集的斯瓦希里语部分进行训练，显著提升了斯瓦希里语的转录准确率，单词错误率相比基础模型降低了68%。
thenexthub
这是一个支持多语言处理的多模态模型，涵盖自然语言处理、代码处理、音频处理等多个领域，能够实现自动语音识别、语音摘要、语音翻译、视觉问答等多种任务。
teckedd
本模型是基于OpenAI Whisper-small在Common Voice 17.0数据集上微调的自动语音识别模型，专门针对Twi语言进行优化，能够实现语音内容的准确识别。
inclusionAI
Ming-flash-omni 预览版是基于 Ling-Flash-2.0 稀疏专家混合（MoE）架构构建的多模态大模型，总参数达100B，每个token仅激活6B参数。该模型在Ming-Omni基础上进行了全面升级，在多模态理解和生成方面有显著提升，特别是在语音识别、图像生成和分割编辑方面表现突出。
kalilouisangare
这是一个基于 OpenAI Whisper Small 模型微调的班巴拉语语音识别模型，在 24738 个班巴拉语音频样本上训练，能够将班巴拉语语音准确转录为文本，字符错误率低至 21.69%。
Ken-Z
本模型是基于OpenAI Whisper-small在拉丁语上微调的自动语音识别模型，使用67小时拉丁语音频数据训练，字符错误率（CER）为20，支持拉丁语语音转文本任务。
ReportAId
MedWhisper Large ITA是基于OpenAI Whisper Large v3 Turbo的领域适配变体，专门针对意大利语医疗语音识别进行了优化。该模型在精心挑选的意大利语门诊专科就诊录音集上使用LoRA技术进行微调，显著提升了医学术语和临床表达的识别准确率。
eustlb
这是一个基于Hugging Face Transformers库的自动语音识别模型，能够将音频内容转换为文本。该模型支持多种语言，适用于实时语音转文字、音频转录等场景。
Vikhrmodels
Borealis 是首款面向俄语的自动语音识别（ASR）音频大语言模型，经过约7000小时俄语音频数据训练。该模型支持识别音频中的标点符号，架构受Voxtral启发但有所改进，在多个俄语ASR基准测试中表现优异。
feelmadrain
这是一个基于OpenAI Whisper Small架构的俄语自动语音识别模型，在Common Voice 17.0数据集上进行了专门训练，能够准确地将俄语语音转换为文本。
openchs
基于OpenAI Whisper Large v2在Common Voice 17.0斯瓦希里语数据集上微调的语音识别模型，专为坦桑尼亚儿童求助热线的斯瓦希里语语音识别任务设计，相比基础模型在斯瓦希里语识别准确率上有显著提升。
BUT-FIT
SE-DiCoW是由BUT Speech@FIT联合JHU CLSP/HLTCOE和CMU LTI开发的目标说话人多说话人自动语音识别模型。该模型基于Whisper large-v3-turbo，通过自注册机制和改进的数据增强技术，在高度重叠的多说话人场景下显著提升了识别准确率。
UsefulSensors
Moonshine Tiny是由Moonshine AI（原有用传感器公司）开发的轻量级越南语自动语音识别模型，仅有27M参数，专为资源受限平台设计，在Fleurs和Common Voice 17数据集上表现出色。
jacktol
基于OpenAI Whisper Large v3模型微调的航空交通管制语音识别模型，专门针对ATC通信场景优化，在测试集上实现了6.5%的字错误率，显著提升了航空通信转录的准确性。
FluidInference
parakeet-tdt-0.6b-v3 是一款强大的多语言自动语音识别模型，支持英语、西班牙语、法语、德语等多种欧洲语言，基于FastConformer-TDT架构，使用公开数据集训练，为跨语言语音识别提供高效解决方案。
istupakov
NVIDIA Parakeet TDT 0.6B V3是一个多语言自动语音识别模型，参数量为6亿，支持包括英语、西班牙语、法语、德语等25种欧洲语言，可将语音转换为文本。
tiantiaf
基于Whisper-small架构的语音方言分类模型，专门用于识别8种中国方言变体，包括江淮方言、胶辽官话、冀鲁官话、兰银官话、普通话、西南官话、中原官话和粤语。该模型在Common Voice 11.0数据集上训练，具有重要的语音识别价值。
基于Whisper-small的英语方言分类模型，能够准确识别16种不同的英语方言，为语音处理和语言研究提供支持。
NexaAI
基于OpenAI Whisper架构微调的自动语音识别和语音翻译模型，通过减少解码层数量实现显著速度提升，同时保持接近原版的识别质量。
一个基于MCP协议的抖音视频处理服务器，支持无水印视频下载、音频提取和文本转换功能。
Speech MCP是为Goose设计的语音交互扩展，提供实时语音识别、高质量文本转语音、多语言支持和现代化音频可视化界面，支持多角色对话生成和音频转录功能。
基于Faster Whisper的高性能语音识别MCP服务器，提供高效的音频转写能力，支持批量处理、多模型尺寸和多种输出格式。
一个基于OpenAI API的音频转文字MCP服务器，提供音频转录功能并支持多种配置选项。
mcp-audio是一个符合AIO-2030标准的MCP插件，提供语音转文字功能，支持多种音频格式和API调用方式。
Speech MCP 是一个为Goose设计的语音交互扩展，提供实时语音识别、文本转语音和音频可视化功能。
基于MCP协议的智能宠物伴侣应用，通过语音识别和自然语言处理实现与虚拟宠物的互动，支持多平台运行。
ASR MCP服务器是一个基于whisper引擎的自动语音识别服务，通过MCP工具提供语音合成功能，便于应用集成。
TEN Agent是一个多功能AI代理框架，集成了实时视觉、语音识别和屏幕共享检测能力，支持快速扩展开发。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
