nanosamur.ai是开源语音AI平台，支持私有化部署，确保敏感语音数据安全，避免第三方风险。平台采用事件驱动架构和GPU加速，实现实时转录、精炼及声纹识别，全链路本地运行。社区版需自备NVIDIA GPU，工作流和Webhook功能需自行实现。适用于金融、医疗等合规要求高的组织，确保数据控制权。

AI Gateway新增流式转录功能，支持边捕获音频边输出实时转录结果，降低延迟，适用于实时字幕和语音输入。该功能处于测试阶段，可通过AI SDK的streamTranscribe函数使用，兼容多种模型如OpenAI和xAI，并支持为智能体添加语音模式，无需改动现有文本处理流程。

Five9推出Five9 Fusion for ServiceNow，整合语音与数字交互，提升客户服务效率。该平台通过实时转录和智能路由，帮助客服人员快速解决问题，提供个性化体验，降低成本，增强可视性，旨在消除系统碎片化，提升服务质量。

英伟达开源的ParaKeet-tdt-0.6b-v2语音识别模型基于FastConformer架构，具备高效推理能力，能在1秒内处理60分钟音频，适合实时英语转录，提升会议记录流畅度。

Asterisk开源项目通过realtime接口与OpenAI实现低延迟通信，研究者利用API密钥和token开发了FreePBX插件，支持音频流式传输和实时文本转录。该项目使用WebSocket处理音频，记录事件并处理响应，为开发者提供学习和实现的基础。

Meetily是一款注重隐私的自托管开源AI会议助手，支持本地运行和数据控制，提供实时转录和AI摘要功能，完全免费，无需订阅。与云服务相比，Meetily确保数据安全，适合需要自定义工作流程的用户。

微软将在Teams中推出类似Facebook的Storyline功能，允许用户分享项目进展和祝贺同事。该功能基于Viva Engage，预计今年早期进行预览。此外，微软还将推出文件摘要和多语言实时转录等新功能。

本文介绍了如何使用HTML、CSS和JavaScript构建高级语音转文本应用，利用Web语音API实现实时转录和多语言支持，适合中高级开发者，项目无需外部库，旨在提升语音识别技能。

OmniAudio-2.6B音频语言模型专为边缘部署设计，解决高延迟和云依赖问题。它结合了Gemma-2-2b和Whisper Turbo，提升了处理速度和资源效率，适用于功率有限的设备，表现出色，适合实时转录和翻译，推动AI技术本地化发展。

AI记笔记工具实时转录并生成简洁摘要，帮助用户专注讨论，避免信息遗漏，适合专业人士和学生使用。

AssemblyAI挑战赛获奖者公布：@djovannih的Insightview应用获最佳语音转文本奖，@binarygarage的SpeechCraft获实时转录奖，@diosamuel的ReportSOS获应急报告奖。三位获奖者将获得奖金和DEV会员资格。感谢所有参与者！

Assembla是一款AI应用，能够快速将对话转化为可操作的见解，支持多通道音频、实时转录和总结。由Aloware团队开发，利用AssemblyAI的API，旨在提升用户的沟通体验。

我开发了一个基于Flask的实时语音转文本应用，利用AssemblyAI的API进行音频转录。前端使用HTML、CSS和jQuery，用户可以控制转录过程并实时查看文本。该应用支持实时转录、界面清晰设计和可定制的词汇识别。

best-of-ml-python 是一个每周更新的机器学习 Python 库排名，包含920个开源项目，覆盖34个类别，支持社区贡献。Grimoire 是书签管理器，具备模糊搜索和标签管理功能。latent-consistency-model 提供高效图像生成，支持低步数推理。DragGAN 允许用户交互式编辑生成的图像。Ecoute 是实时转录工具，提升沟通效率。

Hanashi AI是一款实时客户支持分析应用，利用AssemblyAI提供的通话洞察。该应用结合实时转录和通话后分析，帮助企业识别模式、解决问题并提升客户体验。LeMUR功能允许用户实时录音和转录，分析通话情感和效率。未来可扩展数据隐私和多种转录功能。

我开发了一个基于AssemblyAI Universal-2模型的实时语音转文本应用，支持实时转录、说话者识别和重点提取，适用于会议和采访场景。该应用使用Express和React构建，成功解决了WebSocket集成和数据流管理的问题。

Microsoft Teams 是一个高效的沟通与协作平台，集成于 Microsoft 365，支持文档协作、定制工作流程和安全通信。它提供实时转录、报告整合和事件响应功能，帮助 DevOps 团队快速解决问题，并在 DevSecOps 中发挥重要作用。

Moonshine是一种新型语音识别系统，旨在解决固定长度编码器的问题。它采用灵活的编码方法，能更好地处理变长语音输入，提高实时转录和语音命令的准确性。尽管性能显著提升，但仍需研究其在不同场景下的适用性。

Moonshine模型在实时转录和语音控制中至关重要，通过可变长度编码器提高处理速度，适合资源受限设备。与Whisper相比，Moonshine在嘈杂环境中表现出更高的准确性和效率，经过200,000小时的数据训练，成为实时应用的理想选择。