WhisperX

WhisperX

github.com

基于 Whisper 的快速语音识别工具，支持词级时间戳与说话人分离，速度可达实时 70 倍。

开源可自部署本地模型命令行LinuxWindows

被推荐 1 次

访问网站 ↗

适合做什么

适合需要高精度字幕、会议转写与说话人区分的开发者或研究者，本地部署使用。

标签与属性

价格

特性

支持模型

平台

命令行 Linux Windows

同类推荐

开源模型

Whisper

OpenAI 开源的通用语音识别模型，支持多语言转写、翻译与语种识别，可本地运行。

开源可自部署本地模型命令行Linux

github.com2 处推荐

本地部署 / 运行

whisper.cpp

OpenAI Whisper 语音识别模型的 C/C++ 高性能移植版，无依赖、可离线本地运行

开源可自部署本地模型MacWindows

github.com1 处推荐

语音合成 / 识别

faster-whisper

★ 25,703

基于 CTranslate2 的 Whisper 语音识别重实现，速度更快、显存占用更低，支持量化与本地部署。

开源可自部署有 API本地模型Linux

github.com1 处推荐

语音合成 / 识别

ElevenLabs

超写实 AI 语音平台，提供语音合成、克隆、配音与语音 Agent，支持 70+ 语言。

免费+付费有 API多模态网页

elevenlabs.io3 处推荐

语音合成 / 识别

Retrieval-based-Voice-Conversion-WebUI

★ 38,592

开源语音音色转换（变声）框架，10 分钟语音即可训练模型，带网页界面与实时变声。

开源中文界面可自部署本地模型Linux

github.com1 处推荐

训练与微调 / 量化

GPT-SoVITS

开源少样本语音克隆与TTS项目，5秒零样本、1分钟微调即可复刻音色，支持多语言。

开源可自部署本地模型网页Windows

github.com1 处推荐