使用 Vosk 实现本地语音转文字，轻量快速，完全离线运行，非常适合转录 Telegram 语音消息、音频文件或任何无需云端 API 的语音转文字任务

在Apple Silicon上使用FluidAudio实现本地文本转语音TTS和语音转文本STT通过Apple神经网络引擎在设备上全本地运行，实现亚秒级语音合成与转录适用于配置本地语音功能语音助手集成或替代云端TTSSTT服务

快速、准确且极为廉价的自动语音转文字服务

使用 AudioPod AI 的 API 执行音频处理任务，包括 AI 音乐生成（文本转音乐、文本转说唱、纯音乐、采样、人声）、音频分轨、文本转语音、降噪、语音转文字、人声分离和媒体提取。适用于用户需要从文本生成音乐歌曲说唱、将歌曲分离为分轨人声和乐器、从文本生成语音、清理噪音音频、转录音频视频，或从 YouTube 和网址提取音频。需设置 AUDIOPOD_API_KEY 环境变量，或直接传入 api_key。

使用EachLabs AI模型实现文本转语音、语音转文本、语音转换和音频处理。支持ElevenLabs TTS、带话者分离的Whisper语音转文字以及RVC语音转换。适用于用户需要文本转语音、语音转文字或语音转换的场景。

@deepgram/cli — Deepgram 语音转文字的命令行接口

使用 Resemble AI HTTP API 实现文本转语音和语音转文本集成

通过 Addis Assistant API（api.addisassistant.com）提供语音转文字（STT）和文本翻译功能。适用于将音频文件转换为文本（特别是阿姆哈拉语），或在不同语言间翻译文本（例如阿姆哈拉语转英语）。需要使用 'x-api-key'。

使用 faster-whisper 实现本地语音转文字，速度比 OpenAI Whisper 快 4 至 6 倍，准确率相同；GPU 加速可实现约 20 倍实时转录。支持 SRT/VTT/TTML/CSV 字幕、说话人分离、URL/YouTube 输入、批量处理带预计完成时间、字幕搜索、章节检测、按文件语言映射