speech-to-text

io.clawhub.steipete/openai-whisper

用 Whisper CLI 在本地做语音转文字（无需 API key）。

io.clawhub.araa47/local-whisper

本地运行的 OpenAI Whisper 语音转文字。模型下载后可完全离线。多种模型尺寸，高质量转写。

io.clawhub.theplasmak/faster-whisper

基于 faster-whisper 的本地语音转文字。速度比 OpenAI Whisper 快 4-6 倍且精度相同；GPU 加速可实现约 20 倍实时转写。

io.clawhub.strrl/macos-local-voice

使用 Apple 原生能力在 macOS 上实现本地 STT 与 TTS：通过 yap（Apple Speech.framework）语音转文字，通过 say + ffmpeg 文字转语音。完全离线，无需 API key。包含语音质量检测与智能音色选择。

io.clawhub.clawdbotborges/elevenlabs-stt

使用 ElevenLabs Speech-to-Text（Scribe v2）转写音频文件。

io.clawhub.guoqiao/mlx-stt

使用 MLX（Apple Silicon）与开源模型（默认 GLM-ASR-Nano-2512）在本地进行语音转文字。

io.clawhub.kevin37li/mlx-whisper

使用 MLX Whisper 进行本地语音转文字（Apple Silicon 优化，无需 API key）。

io.clawhub.okaris/speech-to-text

通过 inference.sh CLI 使用 Whisper 模型将音频转写为文本。模型：Fast Whisper Large V3、Whisper V3 Large。

io.clawhub.rakesh1002/audiopod

使用 AudioPod AI API 处理音频任务：AI 音乐生成（文生音乐、文生说唱、伴奏、采样、人声）、音轨分离、文生语音、降噪、语音转写、说话人分离与媒体提取。当用户需要从文本生成音乐/歌曲/说唱、拆分歌曲音轨/人声/乐器、从文本生成语音、清理嘈杂音频、转写音频/视频，或从 YouTube/URL 提取音频时使用。需要 AUDIOPOD_API_KEY 环境变量或直接传入 api_key。

io.clawhub.araa47/gemini-stt

使用 Google 的 Gemini API 或 Vertex AI 转录音频文件。

io.clawhub.tristanmanchester/assemblyai-transcribe

用 AssemblyAI 转写、分离说话人、翻译、后处理并结构化音频/视频。当用户明确要用 AssemblyAI、需要高... 时使用

io.clawhub.impkind/whisper-mlx-local

基于 Apple Silicon 上 MLX Whisper 的免费本地语音转写，服务 Telegram 与 WhatsApp。私密、无 API 费用。

io.clawhub.ilyakam/asr

快速且平价的自动语音转文本，支持 100 种语言、说话人分离、逐词时间戳，以及可定制的输出格式。

io.clawhub.jonisjongithub/venice-ai

完整的 Venice AI 平台——文本生成、视觉与图像分析、网页搜索、X/Twitter 搜索、嵌入、TTS、语音转文本、图像生成与背景处理（原文截断）。

io.clawhub.paulasjes/elevenlabs-transcribe

使用 ElevenLabs Scribe 将音频转写为文本。支持批量转写、从 URL 实时流式转写、麦克风输入与本地文件。

io.clawhub.dagmawibabi/addis-assistant-stt

使用 Addis Assistant API（api.addisassistant.com）提供语音转文字（STT）和文本翻译。适用于把音频（尤其是阿姆哈拉语）转为文字，或在语言之间翻译文本（如阿姆哈拉语转英语）。需要 'x-api-key'。

io.clawhub.amreahmed/elevenlabs-voice

使用 ElevenLabs AI 实现文本转语音（TTS）与语音转文本（STT）。当用户想把文字转成语音、转写语音消息或处理多语言语音时使用。支持高质量 AI 音色与精准转写。

io.clawhub.carlulsoe/parakeet-stt

基于 NVIDIA Parakeet TDT 0.6B v3（ONNX CPU 运行）的本地语音转文字。比 Whisper 快 30 倍，支持 25 种语言自动检测，兼容 OpenAI API。适用于本地转写音频、语音转文字或无需云端 API 处理录音。

io.clawhub.thegovind/azure-ai-transcription-py

Azure AI Transcription SDK 的 Python 版本。用于带时间戳与说话人分离的实时和批量语音转文字。触发语：transcription、speech to text、Azure AI Transcription、TranscriptionClient。

io.clawhub.wuxxin/local-whisper-cpp

使用 whisper-cli（whisper.cpp）在本地进行语音转文字。

io.clawhub.gykdly/voice-recognition

基于 OpenAI Whisper CLI 的本地语音转文字。支持中文、英文等 100 多种语言，并可翻译与摘要。