WhisperLive是OpenAI的Whisper的近实时实现，通过语音活动检测(VAD)仅在检测到语音时发送音频数据到Whisper模型，从而减少数据传输并提高转录准确性。
april-asr是一个用C语言开发的语音转文本(STT)库，具备高效的语音识别算法和实时转录功能，支持多种语言，具有可扩展的架构，便于集成到其他项目中，适用于多种应用场景。
WhisperS2T是一个为Whisper模型优化的语音转文本处理管道，支持多个推理引擎，旨在提供高准确率和灵活配置选项的语音识别解决方案。
Hello Transcribe是一款私密安全的语音转文本应用，采用OpenAI Whisper技术，适用于iPhone、iPad和Mac。用户可以轻松转录语音笔记、音频文件、视频、播客，以及通过麦克风进行口述。
一个强大高效、低延迟的语音转文本工具，支持状态监测和唤醒词触发。
WhisperFusion是一个基于WhisperLive和WhisperSpeech构建的项目，结合了Mistral大语言模型，旨在实现极低延迟的AI对话效果，提供流畅的语音交互体验。
Akkadu是一个实时AI字幕工具，帮助用户以自己的语言轻松理解视频、网络研讨会、视频会议和直播，支持90多种语言，并兼容多种平台。
一个快速且高效的语音转文字（STT）模型，支持多语言自动识别和翻译功能。
一个实时文本到语音转换库，通过识别句子片段来实现即时的听觉反馈，适用于需要即时音频响应的应用程序。
Cartesia Sonic是一个极其快速的生成语音API，具有135毫秒的模型延迟。它可以帮助用户构建高质量、实时的语音体验，提供多样的声音库、即时语音克隆、语音混合和语音设计，支持速度和情感控制。
Superwhisper是一款基于AI的语音转文本应用，专为macOS设计。用户可以将语音转录为文本，支持100多种语言，处理完全在设备上进行，无需WiFi。
Wenet STT Python是一个基于WeNet的语音识别库，旨在提供高效、准确的语音转文本功能。它支持多种语言，能够实时处理语音输入，并允许用户自定义模型以满足特定需求，易于与现有Python项目集成。
PLAUD NOTE是一款由ChatGPT-4驱动的AI语音录音器，专为提高专业人士和学生的生产力而设计，能够简化录音、转录和音频内容摘要的过程。
WhisperX是一个强制时间对齐的时间戳精确版Whisper语音识别工具，能够高效地进行多语言的语音识别，并生成带有精确时间戳的文本转录，适用于各种音频处理场景。
Diart是一个优化方案的代码实践，构建在pyannote-audio模型之上，旨在实时识别不同的说话人，特别适用于实时音频流（如来自麦克风）的场景。
OpenChit是一款支持文本和语音的原生AI聊天客户端，具有文本转语音播放功能（支持Siri和Azure TTS）。用户可以通过键入或语音命令与AI进行互动，并通过文本转语音功能收听AI的回复。
