#speech-to-text Repositories
Insgesamt 211 Repositories
Open-Source-KI-Meeting-Copilot – Echtzeit-Transkription, Echounterdrückung und KI-Unterstützung. Erfässt Systemaudio + Mikrofon, unterdrückt Echo über WebRTC AEC3, transkribiert mit Deepgram und bietet Claude/OpenAI-Hilfe während Meetings. Läuft lokal auf macOS und Windows.
Ein RAG【Retrieval-Augmented Generation】-System, das sich zum Lernen, Verwenden und autonomen Erweitern eignet! Kann mit dem Internet verbunden werden, um KI-Suchen durchzuführen.
Kostenlose Desktop-Diktierfunktion für macOS und Windows. Diktiere Nachrichten, E-Mails und Notizen in deine Apps – mit lokaler Spracherkennung oder Spracherkennung aus der Cloud.
Live-Zweisprachige Untertitel für jede App unter macOS. Nimmt Audio auf, transkribiert Sprache und übersetzt offline – alles über die Menüleiste.
YouDub ist ein Open-Source-Tool, das darauf abzielt, qualitativ hochwertige YouTube-Videos automatisch zu übersetzen und zu synchronisieren, um sie in das chinesische Internet zu übertragen. Das Tool verwendet KI-Spracherkennungstechnologie, um Audio in Text umzuwandeln, übersetzt den Text anschließend mithilfe eines Großen Sprachmodells (LLM) ins Chinesische und wandelt das Chinesische schließlich mithilfe der KI-Stimmklonungstechnologie in Audio um. Auf diese Weise können wir auf Chinesisch synchronisierte Videos erstellen, die die ursprüngliche Stimmfarbe des YouTubers beibehalten.
Open-Source-, lokaler und selbst gehosteter hochoptimierter Sprach-Inferenz-Server mit Unterstützung für ASR/STT, TTS und LLM über WebRTC, REST und WS
Arabisch-fokussierte generative Spracherkennung — Audar-ASR-V1 (Flash + Turbo). Platz 1 auf der Open Universal Arabic ASR-Bestenliste. Modellkarten, Benchmarks & Inferenz.
Ein leichtgewichtiges Client-Server-System für die Echtzeit-Audioverarbeitung mit Sprachaktivitätserkennung (VAD) und automatischer Spracherkennung (ASR).