
使用Python的Whisper模型進行語音轉文字工具
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
20
−1 (10月13日〜)
最後提交
2026年11月
GitHub 建立日期
2025年3月13日
收錄日
2025年7月15日
Star 數變化
以表格顯示
| 月份 | Star |
|---|---|
| 2025年12月 | 15 |
| 2026年1月 | 15 |
| 2026年2月 | 16 |
| 2026年3月 | 16 |
| 2026年4月 | 17 |
| 2026年5月 | 17 |
| 2026年6月 | 19 |
| 2026年7月 | 19 |
| 2026年8月 | 21 |
| 2026年9月 | 21 |
| 2026年10月 | 21 |
| 2026年11月 | 20 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
N46WhisperAyanaminn1.7k基於耳語的日文字幕生成器
asrzakuro-ai72使用PyTorch中的deepspeech2模型和Zakuro AI的支援進行自動語音識別。
akari_chatgpt_botakarigroup48使用語音識別、文章生成和語音合成進行對話的聊天機器人應用程式
whisper-asr-finetunesarulab-speech32微調Whisper ASR模型
llm-jp-asrtosiyuki9將Whisper的解碼器替換為llm-jp-1.3b-v1.0版本的語音識別模型的學習代碼。
medvoice-jp-asrnikotora5MedVoice-JP LoRA60: 日本語醫療專用ASR(低語音+ LoRA,60位說話者)及國內首個醫療ASR基準測試(包含完整FT版FT60)
研究領域相近的資源
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16M日語 wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 與 JSUT 上微調,需要 16 kHz 音訊,並可透過 HuggingSound 或 HuggingFace pipelines 使用。HF 模型共同: 語音辨識
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。多語言共同: 語音辨識
faster-whisperSYSTRAN26k基於 CTranslate2 的更快 Whisper 轉寫。多語言共同: 語音辨識
whisperXm-bain24kWhisperX:具備詞級時間戳(及說話者分離)的自動語音辨識。多語言共同: 語音辨識
FunASRmodelscope21k支援訓練、推論、串流語音辨識、VAD、標點、說話者分離管線以及相容 OpenAI/MCP 服務的開源語音辨識工具包。多語言共同: 語音辨識
kaldikaldi-asr15kkaldi-asr/kaldi 是 Kaldi 專案的官方所在地。多語言共同: 語音辨識