AI仙宝p
githubpyVideoTrans｜视频翻译配音与字幕转写工具
一款开源的视频翻译工具，能把视频里的语音识别成字幕，翻译成另一种语言，再配上AI配音和字幕后合成为新视频，适合做搬运、课程本地化或个人创作的普通用户。
语音处理与翻译Windows / macOS / Linux使用难度
站长实测状态尚未登记
语音识别相关工具、教程与提示词
汇集语音识别主题下已发布的工具、教程、提示词与场景资料，帮助你了解用途、使用条件及操作方法。
AI 工具
V
外部应用VoiceStudio｜本地优先的多引擎语音工作台
一个开源、以本地运行为优先的AI语音工作台，把多款语音合成与语音识别引擎聚合在一起，可做零样本音色克隆、视频配音和有声书制作，适合想自建语音工具的创作者与开发者。
语音处理与翻译本地部署，具体支持的操作系统与硬件要求待核验使用难度
站长实测状态尚未登记
V
外部应用VibeVoice｜微软开源长音频语音识别框架
微软开源的语音AI框架，当前主线为语音识别，可处理约一小时级长音频并做说话人分离与多语言转写，适合需要批量整理会议、访谈录音的用户。
语音处理与翻译本地部署（Python 环境，具体平台支持待核验）使用难度
站长实测状态尚未登记
阿
外部应用阿里云智能语音交互｜云端语音识别接口服务
面向开发者与企业的一站式云端语音识别服务，可将音频或录音文件转写为文字，适合会议记录、字幕生成等需要批量转写的场景。
语音识别与字幕云端 API 服务，网页控制台使用难度
站长实测状态尚未登记
W
外部应用WhisperX｜词级时间戳与说话人识别语音转写工具
WhisperX 是基于 Whisper 的开源语音转写工具，支持词级时间戳对齐和说话人识别，可输出 srt、json 等格式，适合需要制作精细字幕或整理多人对话录音的开发者和内容创作者。
语音识别与字幕跨平台，可本地或云端运行使用难度
站长实测状态尚未登记
V
外部应用VideoCaptioner｜生成、断句、优化与翻译视频字幕
一款借助大语言模型的视频字幕助手，导入视频或音频后自动生成字幕，并完成断句、文本优化和翻译，适合需要为视频快速配上中文字幕或双语字幕的普通用户与内容创作者。
语音识别与字幕桌面软件（具体支持系统待核验）使用难度
站长实测状态尚未登记
w
外部应用whisper.cpp｜本地离线语音转文字引擎
把OpenAI Whisper语音识别模型用C/C++重新实现，可在普通电脑甚至小型设备上离线把音频转成文字，适合注重隐私、想自己部署转录能力的开发者和进阶用户。
语音识别与字幕跨平台（以项目文档说明为准）使用难度
站长实测状态尚未登记
F
外部应用FunASR｜开源工业级语音识别工具包
面向开发者与算法团队的开源语音识别工具包，可在本地部署完成音频转文字，并探索说话人分离、情感检测等能力，适合构建字幕与语音转写流水线。
语音识别与字幕本地部署，需Python环境与可选的CUDA显卡；提供兼容OpenAI风格的HTTP接口使用难度
站长实测状态尚未登记
W
外部应用Whisper｜开源多语种语音识别模型
Whisper 是 OpenAI 开源的语音识别模型，通过大规模弱监督数据训练，可将多语种语音转写为文本，适合做会议记录、字幕初稿等场景的研究者与开发者本地或自建服务使用。
语音识别与字幕跨平台，需自行部署使用难度
站长实测状态尚未登记