语音应用

SoftWhisper 是一款基于 Whisper.cpp 的高效转录工具，凭借其强大的兼容性和卓越的性能，为用户提供了一种快速、便捷的音频转录解决方案。

VoiceStudio 是一个免费、开源的桌面应用，将克隆、设计、配音、听写和有声书制作整合在一个界面中。核心流程完全在你的本地硬件上运行，支持 646 种语言，没有用量计费，也没有隐藏的云端依赖。

Omi AI 是一款应用，能记录您的会议和对话，并将其转化为可搜索的文字记录、摘要、待办事项和记忆——支持 Mac、浏览器、手机、Apple Watch，还能与您的可穿戴设备（Omi Pendant / Omi Glass）配对使用。

Voicebox 是一个本地优先的语音克隆工作室，具备类似数字音频工作站的功能，专为专业语音合成设计。您可以将其视为 ElevenLabs 的本地、免费且开源的替代方案 —— 下载模型、克隆声音，并在您的机器上完全本地生成语音。

AudioScript声稿主打隐私优先的离线双语字幕，不需要把音频发到在线API，适合观看无字幕外文视频、收听海外播客、英文会议旁听。底层使用成熟的本地流式语音识别+机器翻译模型，悬浮字幕样式自由度高，常驻托盘的设计适合长时间后台运行。

Krillin AI 是一款全能型音视频本地化与增强解决方案。这款简约而强大的工具，集音视频翻译、配音、语音克隆于一身，支持横竖屏格式输出，确保在所有主流平台（哔哩哔哩，小红书，抖音，视频号，快手，YouTube，TikTok等）都能完美呈现。

OpenTypeless 是一款面向 macOS、Windows 和 Linux 的开源 AI 语音工具，旨在通过“语音优先”的工作流重塑用户的输入体验。它不仅是简单的听写工具，更是一个集实时转录、AI 润色、选中文本改写及即时语音问答（Ask Anything）于一体的智能辅助系统。

Input 0 是一款专为 macOS 设计的轻量级语音输入工具。它通过“按住录音、松开即得”的极简交互，将本地 AI 转录与大模型文本优化完美结合，实现了隐私安全、极速响应、无缝粘贴的语音输入体验。

CosyVoice Desktop 是一个完全本地运行的桌面端有声内容生成工具，基于 CosyVoice3-0.5B 大模型构建，无需联网、无需订阅，打开即用，支持多角色配音、语音修补、跨语言合成，并提供完整的项目管理与音频导出流程。

这款仅 11.3MB的桌面应用，集成了 12 个专业语音识别模型（含 5 个本地离线模型），中文识别准确率超 90%，支持中英日混输、AI 润色、代码变量识别，且永久免费、无广告、不收集数据。

audio.cpp 是一个基于 ggml 构建的 C++ 音频推理框架，旨在解决 Python 音频生态中环境配置复杂、依赖冲突频发的问题。它提供了一个共享的原生运行时，支持在 Windows、Linux 和 macOS 上高效运行现代音频模型，涵盖 NVIDIA CUDA、AMD HIP/ROCm、Apple Metal 以及纯 CPU 后端。

Neiroha 是一个 Flutter 应用，面向需要大量角色音色、多种 TTS 引擎、长文本生成和配音项目的创作者。它的目标不是再做一个简单的输入框，而是把零散脚本、Web UI、文件夹和本地推理服务整理成一个可持续使用的工作流。

TypeWhisper 是一款功能极其强大的语音转文字（STT）与 AI 文本处理工具。它最大的特色在于“设备端 AI”的设计理念：用户可以选择完全在本地运行开源模型，确保语音数据永不离开 Mac；也可以按需接入云端 API 以换取更快的处理速度。

OpenWhispr 将您的语音从桌面转化为文本、笔记和操作。按下热键，说话，您的文字就会出现在光标处。您可以在完全私密的离线转录（使用本地语音转文本引擎如 Whisper 和 NVIDIA Parakeet，您的音频永远不会离开设备）和云端处理（追求速度）之间自由选择。

Spokenly 是一款全系统语音输入工具，它通过可自定义的快捷键，让你在任何应用、文本框或代码编辑器中，将口语实时转化为高精度书面文字。

StemDeck 是一款基于 Demucs 模型的桌面端应用，它将强大的 AI 分离能力完全移植到你的本地电脑上。 无需注册，无需联网上传，只需拖入 MP3/WAV 文件或粘贴 YouTube 链接，StemDeck 即可在几秒钟内为你分离出 6 条独立音轨，并提供专业的 DAW 风格混音器进行预览、编辑与导出。

OpenLess 是一个跨平台（macOS & Windows）语音输入应用，对标 Typeless、Wispr Flow、Lazy、Superwhisper 等商业语音输入工具的 完全开源 替代品。

OpenOats 是一款专为 macOS 设计的智能会议助手，它静静地坐在你的通话旁，实时转录双方对话，并在关键时刻自动搜索你的本地笔记，将最相关的谈话要点推送到你眼前。

ACE-Step 1.5 是一款能在您自己的 GPU 上本地运行的 开源 Suno 杀手 - 而 ACE-Step UI 为您提供一个 美观、专业的界面，以充分利用其全部能力。

PhoneMic 是一款局域网内用手机语音输入文字到电脑的工具。您只需用手机扫码，即可将手机输入法（如豆包、讯飞等）识别出的文字实时发送到电脑当前光标位置，完美解决电脑端没有好用的语音输入法的问题。

BetterWispr 是免费开源的 macOS 离线语音听写软件，作为 Wispr Flow 的开源替代品。核心操作逻辑：按住快捷键 ⌥ Space 说话，松开后直接把识别文本粘贴到当前任意应用输入框。

Glass是一个隐形桌面助手，能够实时捕捉屏幕活动和音频内容，理解上下文，并将其自动转化为结构化的知识资产。

AirTranslate 可以捕获 Mac 正在播放的音频，实时转写并翻译，也可以通过悬浮字幕窗口显示结果。它适用于会议、课程、视频、采访和直播等场景，避免通过外部麦克风转录造成的麻烦和音质损失。

Superwhisper 不只是一个语音转文字工具，而是一个语音优先的写作助手。它让创作从“敲键盘”变为“开口说”，特别适合需要快速记录、频繁写邮件、或希望减少重复输入的用户。

Readify 是一款集电子书阅读与高质量 AI 语音朗读于一体的工具，旨在将任意文本内容转化为自然流畅的有声体验。它不依赖传统机械式 TTS（文本转语音），而是基于大语言模型技术，模拟人类朗读的节奏、语调与停顿，显著提升听书体验。

Epicenter 是一个正在演进的开源应用生态系统，致力于构建一个完全由用户掌控的本地智能工作环境。此前以 Whispering 之名广为人知的转录工具，现已正式升级为 Epicenter Whispering，并成为 Epicenter 生态系统中的首个成员。

SpokenType 代表了语音输入工具的下一个演进方向：从单纯的“记录者”转变为“编辑者”。它通过 AI 介入输入流程的后半段，显著降低了语音转文字的后期处理成本。虽然其闭源性质可能让注重隐私和数据主权的用户有所顾虑，但对于追求极致效率且不愿折腾配置的普通用户而言，它提供了一条从口语到成稿的最短路径。

video-subtitle-master是一个批量为视频或者音频生成字幕，并可批量将字幕翻译成其它语言的跨平台字幕翻译软件, 支持百度、火山、deeplx、openai、deepseek、ollama 等多个翻译服务。

FreeFlow是一款零成本、本地优先的 AI 语音转录工具，完美替代 Wispr Flow 与 Superwhisper

Cheating Daddy 不只是一个“答题神器”，它是一个基于上下文的智能协作系统。无论你是正在准备一场重要面试，还是需要在商业谈判中掌握先机，这款工具都能成为你不可或缺的 AI 助手。

闪电说是端侧优先的 AI 语音输入法，本地语音模型带来毫秒级响应，是追求极致速度的极佳选择。告别打字，用闪电说 AI 语音输入法快 4 倍，AI 对话、AI 编程、文档写作、聊天回复......全场景都能用，支持所有应用。

Handy 是一款基于 Tauri（Rust + React/TypeScript）构建的跨平台桌面应用，提供简单、注重隐私的语音转录功能。按下快捷键，说话，你的文字就会出现在任何文本框中——全程无需将语音数据发送到云端。