#transcription Repositories
Entdecke 72 aktive Open-Source-GitHub-Repositories, die mit #transcription getaggt sind und insgesamt 322,848 Sterne gesammelt haben (durchschnittlich 4,484 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist debpalash/VoiceStudio mit 115,753 Sternen.
Insgesamt 72 Repositories
VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.
Datenschutzorientierter KI-Meeting-Notizassistent für Windows, macOS und Linux. Kostenlos und Open Source (MIT). Transkription mit Whisper/Parakeet und Sprecherdiarisierung direkt auf dem Gerät – ganz ohne Meeting-Bot. Open-Source-Alternative zu Granola, Otter und Fireflies. https://meetily.ai
Open-Source-Spracherkennungs-Toolkit für Training, Inferenz, Streaming-ASR, VAD, Interpunktion, Sprecherdiarisierungs-Pipelines und OpenAI-kompatiblen/MCP-Service.
KI, die deinen Bildschirm sieht, deine Gespräche hört und dir sagt, was du tun sollst
Gradio WebUI für Kreative und Entwickler, mit wichtiger TTS (Edge-TTS, kokoro) und Zero-Shot Voice Cloning (E2 & F5-TTS, CosyVoice), mit Whisper-Audioverarbeitung, YouTube-Download, Demucs-Stimmisolation und mehrsprachiger Übersetzung.
Lade Videos und Audiodateien von über 1.000 Websites herunter, transkribiere sie lokal mit Sprecherkennzeichnung und fasse deine Medien mit deinem bevorzugten KI-Anbieter zusammen, übersetze sie oder chatte darüber.
Open-Source-SenseVoiceSmall-Modell für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.
FunASR-basiertes Tool für Videotranskription, Untertitelgenerierung und LLM-gestützten Videoschnitt mit lokaler Gradio-Benutzeroberfläche.
Ein leichter und dennoch leistungsstarker Audio-zu-MIDI-Konverter mit Tonhöhenbiegungserkennung
On-Device-Untertitelgenerierung, die direkt mit DaVinci Resolve, Premiere und After Effects verbunden ist.
Wandle Audio und Video mit einer benutzerfreundlichen Weboberfläche in Untertitel um. Alles läuft auf deinem eigenen Rechner. Früher Whishper.
Open-Source-Transkriptions-API für Besprechungen bei Google Meet, Microsoft Teams & Zoom. Auto-Join-Bots, Echtzeit-WebSocket-Transkripte, MCP-Server für KI-Agenten. Eigenständig hosten oder SaaS gehostet nutzen.
Kostenloses Open-Source-Datei-Toolkit für PDFs, Bilder, Videos und Audiodateien. Komprimiere, konvertiere, führe OCR durch, entferne Hintergründe und transkribiere auf deinem eigenen Server mit nur einem Docker-Befehl. Über 200 Tools, lokale KI und REST-API. Eine Alternative zu iLovePDF, TinyWow, CloudConvert und remove.bg.
Veraltete Swift Hex-App. Probieren Sie die Rust-Neuimplementierung unter hex.kitlangton.com aus; neuer Quellcode unter github.com/anomalyco/hex.
Private KI-Meetingnotizen, die auf deinem Computer bleiben. Kein Meeting-Bot. Kostenlos und Open Source für Mac, Windows und Linux. Eine Alternative zu Granola, Otter und Fireflies.
Ein schöner, minimalistischer Meeting-Recorder für den Mac. Drücke auf Start und anschließend auf Stopp, um Notizen und ein Transkript in einer einzigen Markdown-Datei zu erhalten. Die Verarbeitung erfolgt direkt auf dem Gerät. Kostenlos und Open Source.
KI-Arbeitsplatz für Xiaohongshu-Management|Datenerfassung auf Xiaohongshu, Download von Kommentaren, Ressourcenbibliothek, Themenfindung, KI-Textgenerierung und Komplettlösung für Xiaohongshu – sofort einsatzbereit und mit einem Klick installiert. KI-Arbeitsplatz für Xiaohongshu, Ressourcenbibliothek für Content Creator, KI-Textgenerierung + automatische Bildanordnung, OpenClaw für Xiaohongshu, Asset-Basis für Content Creator + KI-Arbeitsplatz, unterstützt Xiaohongshu-Bild- und Textbeiträge sowie den Download von Kommentaren, KI-Kreativtools für Xiaohongshu, WorkBuddy für Content Creator, Datenerfassung per Crawler auf Douyin und Xiaohongshu
🔊 Fantastische Liste für Whisper – ein Open-Source-System zur KI-gestützten Spracherkennung, entwickelt von OpenAI
Lassen Sie Claude (oder ein beliebiges LLM) tatsächlich ein Video ansehen — szenenbewusste, deduplizierte Frames + Transkript, von einer URL oder lokalen Datei. Läuft lokal, MIT.
Ein 0,9B-Modell für die Transkription langer Inhalte in über 50 Sprachen mit Sprecherdiarisierung, Zeitstempeln und Erkennung akustischer Ereignisse
Spitzentechnologie für KI für die automatische Audio-Transkription. Eine nette GUI für OpenAIs Whisper und pyannote (Sprecheridentifikation)
Lokale Sprach-zu-Text für macOS On-Device-KI, vollständig privat, optionale Cloud
Open-Source-Bearbeitungspipeline mit agentengesteuerter Automatisierung: Untertitel, Motion Graphics und Folien erstellen sowie Videos bearbeiten und rendern.
BaoCut: ein KI-Videoagent mit bearbeitbarer Zeitleiste. Transkribieren, untertiteln, übersetzen, synchronisieren, schneiden und animieren.
Muesli: agent-native lokale Meeting-Transkription und Diktierfunktion für macOS (Alternative zu Granola + WisprFlow + Littlebird)
Kostenlose Open-Source-Spracheingabe für macOS und Windows. Lokale Spracherkennung mit Whisper und Parakeet, funktioniert auch offline.
Fun-ASR-Spracherkennungsmodelle mit nativer Unterstützung für Hugging Face Transformers für Fun-ASR-Nano sowie separaten Bereitstellungspfaden für FunASR, vLLM und llama.cpp.
Open-Source-Alternative zu Granola/Otter mit Local-First-Ansatz, die von Claude Code, Codex, Cursor und jedem MCP-Client abgefragt werden kann. Meetings, Anrufe und Sprachnotizen werden auf dem Gerät in Markdown transkribiert, das dir gehört.
Steuerbare Transkription. Wortgetreu (jedes Füllwort, jede Pause, jedes Stottern und jeder Laut) oder sinngemäß (was die sprechende Person sagen wollte, für bessere Lesbarkeit optimiert), mit Zeitstempeln auf Wortebene.
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 🤯🤯🤯
„Hardcore Hackers – Der Weg zu 12.000 US-Dollar ARR in zwei Monaten“ wurde vom Hardcore Hackers Team geschrieben. Dieses Buch ist eine getreue Aufzeichnung der Produktgeschichte von Podwise: Es umfasst fünf Kapitel – Inspiration – Aufbau – Veröffentlichung – Wachstum – Rückblick. Wenn Sie das Gefühl haben, dass ein Buch im Alleingang nicht befriedigend genug ist, treten Sie gerne dem offiziellen Knowledge Planet von „Hardcore Hackers“ bei, um mit Experten zu diskutieren! Die Geschichte von Podwise hat gerade erst begonnen, und wir werden weiterhin unsere Erkenntnisse auf dem Planeten teilen. Erfolg mag nicht replizierbar sein, aber Misserfolge sind definitiv lehrreich. Treten Sie jetzt über den untenstehenden Link bei!
14 KI-Skills, um chinesische Inhalte aus allen Kanälen (Douyin / Bilibili / Xiaohongshu / offizielle WeChat-Konten / X / Podcasts) in die persönliche Wissensdatenbank zu übernehmen: Bilder aus Beiträgen speichern, Videos in Transkripte umwandeln, Untertitel zuerst und ohne GPU transkribieren, RSS-/YouTube-Abonnements planen und tägliche Nachrichtenbriefings erstellen – inklusive MCP-Server für die Wissensdatenbank. | Chinesische Inhalte in die persönliche Wissensdatenbank übernehmen – Routing von Bildern und Videos, untertitelbasierte Transkription, Feed-Abonnements mit täglichen Zusammenfassungen und ein MCP-Server für die Wissensdatenbank.
Die Open-Source-iOS-App, die qualitativ hochwertige Sprachübertragung auf mobilen Geräten zugänglicher macht.
Generiert Videostützen durch Erzeugen von Bildunterschriften und SRT-Dateien. Lokale Implementierung der Audio-zu-Text-Konvertierung. Ein auf Transformer basierendes Framework zur Generierung von Videounterschriften. Ein GUI-Tool zur Generierung von Untertiteln aus Videos und zur Erstellung von SRT-Dateien.
KI-Videoeditor für Agenten. ChatCut-Plugin und MCP-Server für Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work und Qwen Work: Bearbeite dein eigenes Videomaterial im Chat, füge Bildunterschriften und Untertitel hinzu, entferne Pausen und Füllwörter, erstelle Motion Graphics und exportiere eine bearbeitbare Timeline.
Beliebige Datei → sauberes Markdown für KI-Agenten: PDF, Word, PowerPoint, Excel, EPUB, HTML und Webseiten, Bilder (OCR), Audio und Video (Metadaten, Untertitel, Transkripte). Ein schneller Rust-MCP-Server und eine CLI, die auf deinem Rechner laufen. Kein API-Schlüssel erforderlich.
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.
Sprachaufzeichnungsbegleiter mit BYOK, ASR-Transkription, Sprecherdiarisierung, KI-Zusammenfassungen und Unterstützung lokaler ASR-Endpunkte.
schlüsselfertiger selbst gehosteter Offline-Transkriptions- und Diarisierungsdienst mit LLM-Zusammenfassung
Voicy (@voicybot): ein Telegram-Bot, der Sprachnachrichten in Gruppen und privaten Chats in Text umwandelt
Untertitel, Zusammenfassungen und Kapitel in Sekundenschnelle aus Videos generieren
Häufig gestellte Fragen
Welches ist das beliebteste #transcription-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#transcription-Projekt auf GitHub ist debpalash/VoiceStudio mit 115,753 Sternen. VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.
Welche Programmiersprachen werden in #transcription-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #transcription-Projekten auf GitHub sind Python, TypeScript, Rust, Swift die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #transcription-Repositories berechnet?
Wir verfolgen 72 aktive Open-Source-Repositories, die mit #transcription getaggt sind (500+ Sterne), mit insgesamt 322,848 Sternen und durchschnittlich 4,484 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.