您可以尝试：

• Snowboy，没有wav存储在服务器中。他们为您训练NN，您可以下载模型的权重。
• Tensorflow：它真的很棒，但它需要你做一些工作。TTS的成功项目是DeepSpeech和相关项目。

使用tensorflowjs“tfjs”模型在浏览器中工作的最明智的解决方案
语音命令识别器语音命令识别器是一个JavaScript模块，能够识别由少量词汇中的简单孤立英语单词组成的口语命令

显然PocketSphinx.js是目前唯一可用的方法，它是一个开源的语音转文本引擎，支持英语，但除此之外的语言不多。
Github：

• https://syl22-00.github.io/pocketsphinx.js/
• https://github.com/syl22-00/pocketsphinx.js

但是，如果您想在Android设备的单个示例上运行代码（例如，显示在公共区域某处的设备），您可以在移动的Chrome的设置中使用“下载离线语音识别语言”。桌面浏览器没有此选项。

对此没有一个很好的答案，但目前（2023年8月）离线语音识别的最佳选择是使用OpenAI的Whisper模型的实现，编译为WebAssembly。我知道有三个：

1. ggerganov's whisper.cpp
2. xenova implementation on transformers.js
3. HuggingFace's implementation on Candle
   请注意，这仍然不是一个很好的选择，原因如下：
   1.下载大小：因为它没有内置在浏览器中，它需要浏览器下载一个大的模型文件（量化的“微小”模型绝对最小为31 MB）
   1.质量：在模型的大小和质量之间有一个相当直接的权衡。只有最小的量化模型才能在大多数网页中加载，而且你不会得到最好的结果。即使是你可以加载到浏览器中的最大模型。（可能是小的，可能是中等量化的，或者，如果你真的很勇敢/受虐狂，也许可以尝试“大”量化.但它超过1GB）不会像只能在服务器上合理运行的大型非量化模型那样好。即使你加载了这些模型，它们也会缺乏.
   1.推理速度：这款小巧的机型只能勉强跟上相对较新/功能强大的笔记本电脑或台式机上的实时转录（它不太能跟上我的旧X1 Carbon gen 7笔记本电脑）。它在大多数移动的设备上可能会明显滞后。而更大的机型会更慢。对我来说，这是最大的问题。用ggerganov's stream demo自己试试吧
   1.复杂性：在你自己的项目中启动和运行这些并不完全简单，通常比Web语音识别API低得多。例如，transformers.js实现的核心，似乎是最简单的，超过100字节（这只是处理预先录制的文件，而不是实时转录）。
   增加的复杂性部分是因为这些类型的模型通常以块的形式工作。对于较长的音频文件，特别是对于实时转录，我们需要连续的音频流来产生连续的输出文本流。Web语音识别API为您处理，而使用Whisper，你必须自己进行组块（并处理窗口重叠或已看到的单词的纠正transmitting）。
   在Google's Open Source Live Transcribe Speech Engine的README中有一个关于使用低级语音识别模型API的很好的描述。[1]
   如果我们能使用Web语音识别API本身和离线浏览器原生模型，那就太好了，但我还没有看到任何最近的进展。[2][3]如果你能接受这些限制，Whisper可能是一个可行的替代方案（如果你想做一个Web语音API polyfill，我相信它会非常感激！）
   [1]：在the announcement post for that library中，Google认识到使用在线系统的复杂性。不幸的是，尽管有这个名字，这个项目实际上并不是我真正所说的“Live Transcribe Speech Engine”，而是一个使用Google的云转录API进行实时转录的库。
   [2]：事实上，Chrome does ship a library to do offline transcription called libSODA (Speech On-Device)，但它最初是为Live Caption功能发布的，似乎仍然没有用于面向用户的语音到文本。并不奇怪，“语音团队担心未经授权的重新利用他们的组件”，所以我们可以期待在不久的将来语音到文本使用的普遍可用性。
   [3]Mozilla一度正在构建a speech to text engine called DeepSpeech以嵌入Firefox，但显然将development. Some former members of the DeepSpeech team forked the project and continued to the work作为Coqui AI STT放弃了一段时间，但后来退出了这项工作，并建议使用Whisper。

您可以尝试IBM沃森的语音到文本服务。它可以从任何浏览器使用，您可以选择退出，因此用户的数据不会记录在服务器端：https://console.bluemix.net/docs/services/watson/getting-started-logging.html#controlling-request-logging-for-watson-services
该服务的演示在这里：https://speech-to-text-demo.ng.bluemix.net/
它至少可以在Firefox和Chrome中工作，它基于以下开源SDK：https://github.com/watson-developer-cloud/speech-javascript-sdk
ps.对于一般情况，当用户的数据不敏感时，最好不要选择退出，以便沃森可以利用数据来提高服务质量。