AI仙宝A
githubAnysub｜本地部署音频视频转字幕工具
上传音频或视频后由 Whisper 自动转写，在带波形时间轴的字幕编辑器里校对文字与时间轴，并导出常见字幕格式，全程运行在自己的电脑或服务器上。
语音识别与字幕Linux（x86-64）自托管 Web 服务，Docker Compose 部署，可选 NVIDIA GPU 加速使用难度
站长实测状态尚未登记
语音识别与字幕相关工具、教程与提示词
汇集语音识别与字幕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
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
通
外部应用通义听悟｜语音转写与会议内容整理
阿里巴巴推出的语音转文字应用，可将录音、会议和课程音频转为文字稿，便于整理纪要与回看要点，适合开会多、听课多、需要把语音内容留成文字的用户。
语音识别与字幕在线网页端/移动端（以官方为准）使用难度
站长实测状态尚未登记
飞
外部应用飞书妙记｜音视频自动转文字与文档导出
把会议录音或视频上传后自动转成文字稿，还能一键导出到飞书文档，适合需要整理访谈、会议和课程记录的办公人群。
语音识别与字幕网页端及飞书客户端使用难度
站长实测状态尚未登记
w
外部应用whisper-ctranslate2｜本地语音转录命令行工具
一款免费开源的本地语音转录命令行工具，兼容OpenAI Whisper的命令行用法，可批量处理音频、导出字幕，适合想在自己电脑上做转写又不想装PyTorch的用户。
语音识别与字幕Windows、macOS、Linux 本地命令行；支持CPU推理，可选用GPU加速使用难度
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