speech-to-text

收录理由

这款桌面工具把麦克风输入实时转成文字，核心用 faster-whisper 做识别，配合 Silero VAD 检测语音活动，把连续说话切分成独立片段再逐段转写。在 RTX 3060 这类中端显卡上，句子间隔清晰时，一次转写通常不到一秒。它自带浏览器界面，模型大小、VAD 阈值、转写参数都能直接调整，不用改代码。除了麦克风，也支持 wav、mp3、ogg 等音频文件，能导出 SRT 字幕，还能通过 WebSocket 把结果推给客户端，适合做直播字幕。如果接上 OpenAI API，还能对转写文本做校对。无论是整理会议记录、给直播加字幕，还是做辅助功能，它把底层流程都处理好了，你只需要在此基础上做自己的应用。