发现与 Offline Transcription 相关的最受欢迎的开源项目和工具，了解最新的开发趋势和创新。
你的 AI 第二大脑，可自行托管。从网络或你的文档中获取答案。构建自定义代理，安排自动化任务，进行深度研究。将任何在线或本地大型语言模型 (LLM) 变成你个人的自主 AI（例如 GPT、Claude、Gemini、Llama、Qwen、Mistral）。立即开始 – 免费。
DeepSpeech是一个开源的嵌入式（离线，设备端）语音转文本引擎，它可以在从树莓派4到高性能GPU服务器等各种设备上实时运行。
Leon 是一款开源的个人助理。
适用于Android、iOS、树莓派和服务器的离线语音识别API，支持Python、Java、C#和Node.js。
一个 Python 库，旨在帮助开发者构建具有独立计算机视觉功能的应用程序和系统。
A video translation and dubbing tool powered by LLMs, offering professional-grade translations and one-click full-process deployment. It can generate content optimized for platforms like YouTube，TikTok, and Shorts. 基于AI大模型的视频翻译和配音工具，专业级翻译，一键部署全流程，可以生成适配抖音，小红书，哔哩哔哩，视频号，TikTok，Youtube Shorts等形态的内容
这款视频翻译配音工具基于强大的AI大模型，提供专业级的翻译服务，一键即可完成所有流程。它生成的视频内容，能够完美适配抖音、小红书、哔哩哔哩、视频号、TikTok和YouTube Shorts等各种平台。
人工智能可穿戴设备。戴上它，说话，转录，自动完成。
面向创作者和开发者的 Gradio 可视化界面，集成了关键的文本转语音技术（Edge-TTS、kokoro）和零样本语音克隆功能（E2E、F5-TTS、CosyVoice），并包含 Whisper 音频处理、RVC 变声器、YouTube 下载、UVR5 人声分离以及多语言翻译功能。
开放式决策AI引擎，最全面的强化学习框架
基于PySide6的Whisper语音转录GUI工具
使用网页界面，完全本地化地将任何音频转录成文本，翻译和编辑字幕。由 Whisper 模型驱动！
Rust语言开发的，可即时控制、本地部署的预训练AI模型
Whisper开源语音识别系统优秀资源列表——来自OpenAI
一款用于朗读音频的编辑器，具有自动转录功能
一个离线深度强化学习库
Ollama大型语言模型的完整功能网页界面
高质量的单文件实现，涵盖最先进的离线和离线到在线强化学习算法：AWAC、BC、CQL、DT、EDAC、IQL、SAC-N、TD3+BC、LB-SAC、SPOT、Cal-QL、ReBRAC
这是一款图形界面工具，能够将视频音频转换成字幕，并生成 SRT 文件。无需使用第三方 API，它利用基于 Transformer 的视频字幕生成框架，在本地完成音频转文本的过程。
自托管AI语音转录
