#speech-to-text Repositories
Insgesamt 211 Repositories
Benutzerdefinierte Knoten, die die Fähigkeiten von Comfyui erweitern
Multi-Backend Whisper App. Rasend schnell. Mac-ARM-optimiert. Einfache Installation. Geben Sie eine lokale Datei oder URL ein und dieser Dienst transkribiert sie mit Whisper AI. Völlig privat und kostenlos 🤯🤯🤯
LLMs auf deinem Mac mit Apple Silicon fine-tunen. SFT, DPO, GRPO, Vision, TTS, STT, Embedding und OCR-Fine-Tuning — nativ auf MLX. Unsloth-kompatible API.
💎 Eine Liste zugänglicher Sprachkorpora für ASR, TTS und andere SprachTechnologien
Ein Whisper-Befehlszeilenclient, der mit dem ursprünglichen OpenAI-Client auf Basis von CTranslate2 kompatibel ist.
Gp.nvim (GPT-Eingabeaufforderung) Neovim KI-Plugin: ChatGPT-Sitzungen & anweisbare Text-/Codeoperationen & Sprache-zu-Text [OpenAI, Ollama, Anthropic, ..]
Offline-Inferenz-Engine für Kunst, Echtzeit-Sprachgespräche, LLM-gestützte Chatbots und automatisierte Workflows
Native Spracherkennung für Linux - Schnelle, genaue, private und hackbare systemweite Diktation
StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.
Vollständig lokal, privat und plattformübergreifende Speech-to-Text mit LLM-Nachbearbeitung
Eine modulare Sprachassistenten-Anwendung zum Experimentieren mit hochmodernen Transkriptions-, Antwortgenerierungs- und Text-to-Speech-Modellen. Unterstützt OpenAI-, Groq-, Elevenlabs-, CartesiaAI- und Deepgram-APIs sowie lokale Modelle über Ollama. Ideal für Forschung und Entwicklung im Bereich Sprachtechnologie.
Die Open-Source-iOS-App, die qualitativ hochwertige Sprachübertragung auf mobilen Geräten zugänglicher macht.
Open-Source-Sprach-KI-SDK. Die Vapi/Retell-Alternative für Entwickler, die den Stack besitzen möchten. Geben Sie Ihrem KI-Agenten in 4 Zeilen eine Telefonnummer — Python und TypeScript, MIT-lizenziert, Twilio, Telnyx und Plivo.
Kostenlose, quelloffene, 100% offline Sprachdiktat für Linux. Sprechen und tippen Sie überall mit den Engines whisper.cpp, Whisper und VOSK, GPU-beschleunigt, funktioniert auf X11 + Wayland.
Whisper-Flow ist ein Framework, das so konzipiert ist, Echtzeit-Transkription von Audiodaten mithilfe des Whisper-Modells von OpenAI zu ermöglichen. Anstatt nach dem Hochladen komplette Dateien im „Batch-Modus“ zu verarbeiten, nimmt Whisper-Flow einen kontinuierlichen Strom von Audiofragmenten auf und erzeugt sofort inkrementelle Transkriptionen.
:zap: TensorFlowASR: Fast automatische Spracherkennung in Tensorflow 2. Unterstützte Sprachen, die Zeichen oder Subwörter verwenden können
Sprachaufzeichnungsbegleiter mit BYOK, ASR-Transkription, Sprecherdiarisierung, KI-Zusammenfassungen und Unterstützung lokaler ASR-Endpunkte.
Fun-Audio-Chat ist ein großes Audio-Sprachmodell, das für natürliche Sprachinteraktionen mit geringer Latenz entwickelt wurde.
Diese Suite von Tools ermöglicht es Benutzern, direkt aus ihrem Terminal mit AI-Diensten zu interagieren.
💬📝 Eine kleine Diktier-App, die das Whisper-Spracherkennungsmodell von OpenAI verwendet.
Nahezu Echtzeit-Audio transkription mit selbst gehostetem Whisper und WebSocket in Python/JS
Bewerten Sie Ihr Sprach-zu-Text-System mit Ähnlichkeitsmaßen wie der Word Error Rate (WER)
Spracheingabe für macOS mit lokalen Modellen: Transkribiere, übersetze und formuliere in jeder App um. Der Nachfolger von Voxt.
Voicy (@voicybot): ein Telegram-Bot, der Sprachnachrichten in Gruppen und privaten Chats in Text umwandelt
Eine kostenlose, Open-Source-Stimmeingabe-App für macOS mit Fokus auf Datenschutz.
Omni SenseVoice: Hochgeschwindigkeits-Spracherkennung mit Zeitstempeln für Wörter 🗣️🎯
BiBi Keyboard: LLM‑ und ASR‑Sprach-Eingabemechanismus‑Tastatur für die Android‑Plattform, basierend auf Kotlin
End-to-End-chinesische Spracherkennung basierend auf PaddlePaddle, vom Einstieg bis zur Praxis, super einfache Einstiegsbeispiele, super praktische Unternehmensprojekte. Unterstützt die derzeit beliebtesten Modelle DeepSpeech2, Conformer, Squeezeformer.
Eine kostenlose, lokale Desktop-App zum Extrahieren von Untertiteln (SRT) aus Videos und zum Übersetzen in jede beliebige Sprache – unbegrenzte Nutzung, keine Registrierung, kein Cloud-Zwang.
Automatisierte All-in-One-Software zur Untertitelgenerierung; deckt den gesamten Prozess von Download, Transkription, Übersetzung bis hin zum Einbrennen ab, ganz ohne manuellen Eingriff.
Eine extrem schnelle Implementierung von Whisper, optimiert für Apple Silicon mit MLX.
Erstellen Sie Echtzeit-Speech2Text-Web-Apps mit OpenAI's Whisper https://openai.com/blog/whisper/
Azure OpenAI-Code-Ressourcen zur Nutzung der Echtzeitfunktionen von gpt-4o.
Eine zu 100 % private KI-App zur Sprachtranskription, die Sprache in über 100 Sprachen in Text umwandelt. Entwickelt mit Compose Multiplatform für Android und iOS und mit Whisper AI: keine Uploads in die Cloud, die gesamte Verarbeitung erfolgt direkt auf dem Gerät – für vollständigen Datenschutz. Schreiben Sie uns direkt an: [email protected]
C++ ggml Runtime-Hub für mehrsprachige ASR- und TTS-Modelle: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2 usw., sowie universelle erzwungene Ausrichtung und mehr