好开源，值得被发现。

SenseVoiceSmall 是一个开源语音基础模型，支持 ASR、语种识别、情感识别和音频事件检测，覆盖中文、粤语、英语、日语和韩语，并具备快速非自回归推理能力。

LazyEdit 是一个本地优先、AI 辅助的视频工作流，旨在实现从内容创作、处理到可选发布的端到端流程。

pyVideoTrans是一款支持本地离线部署与各类在线API的开源工具，可用于视频翻译、音频转录、AI配音及字幕翻译。

Handy 是一款免费、开源、跨平台的离线语音转文字桌面应用。按下快捷键说话，即可将转录文本粘贴到任意输入框，支持 Whisper 和 Parakeet 模型。

WhisperLiveKit (WLK) 是一个开源、自托管的超低延迟实时语音转文本管道，支持 Whisper 系列模型、Voxtral Mini、FunASR SenseVoiceSmall、Qwen3-ASR 和 NVIDIA Canary-1b-v2 等多种后端，提供实时转录、说话人分离及 200 种语言的翻译功能。

Lamitype 是一款免費、開源、隱私優先的 macOS 語音轉文字 App，預設在 Apple Silicon 上本地執行 Qwen3-ASR 模型，支援繁體中文優先輸出、即時字幕、文字翻譯與校對，並提供可選的雲端聽寫功能。

这是一个为 Unreal Engine 5 提供的本地多模态 LLM 插件，支持文本、语音转文本（STT）和文本转语音（TTS）的离线推理。

Speech To Speech 是一个基于开源模型的模块化语音代理框架，通过 VAD、STT、LLM 和 TTS 四个可插拔阶段构建语音交互管道，支持本地、混合及远程部署，并提供低延迟的 OpenAI Realtime API 兼容接口。

Douvo是一款面向Apple Silicon Mac的轻量级macOS语音输入应用，使用豆包ASR引擎，支持本地或远程AI后处理，用于文本清理、翻译和选中文本编辑。

Lexos是一个事件驱动的AI文档处理引擎，结合Go网关、Python工作器、Redis队列和自托管模型，实现离线RAG、摘要和语音转录。

SpeechRecognition 是一个 Python 语音识别库，支持多种在线和离线引擎与 API，包括 CMU Sphinx、Google、Azure、IBM、Vosk、Whisper 和 OpenAI。

这是一个针对 OpenAI Whisper 自动语音识别 (ASR) 模型的高性能 C/C++ 推理实现，旨在实现轻量级且跨平台的部署。

Bolo 是一款免费的自托管 macOS 语音转文本应用，由 Rust 编写：按住热键说话，转录结果通过 Telnyx AI 粘贴到光标处，并支持可选的 LLM 清理和本地转录历史。

空中课堂蒸馏 (SkyClass Distill) 是一个将教学视频转化为结构化教学技能 (Teaching Skills) 的流水线工具，支持视频采集、转写、证据提取及 LLM 蒸馏。

TypeNo是一款轻量级、注重隐私的macOS语音转文字工具，可在本地快速转录语音并即时粘贴，无需账户、设置或云端处理。

Velo AI Studio 是一款开源的基于浏览器的视频创作工具，旨在通过脚本、音频和 AI 生成的视觉资产来组装旁白视频。

faster-whisper 是使用 CTranslate2 推理引擎对 OpenAI Whisper 语音转文本模型的快速重新实现，旨在提高转录速度并降低内存占用。