#whisper Repositories
Insgesamt 145 Repositories
Lassen Sie Claude (oder ein beliebiges LLM) tatsächlich ein Video ansehen — szenenbewusste, deduplizierte Frames + Transkript, von einer URL oder lokalen Datei. Läuft lokal, MIT.
Leichte Inferenzbibliothek für ONNX-Dateien, geschrieben in C++. Sie kann Stable Diffusion XL 1.0 auf einem RPI Zero 2 (oder in 298 MB RAM) ausführen, aber auch Mistral 7B auf Desktops und Servern. ARM, x86, WASM, RISC-V werden unterstützt. Beschleunigt durch XNNPACK. Python-, C#- und JS(WASM)-Bindings verfügbar.
Lokale Sprach-zu-Text für macOS On-Device-KI, vollständig privat, optionale Cloud
🎞️ Untertitelgenerierungstool (Web-UI + CLI + Python-Paket) mit der Leistung von OpenAI's Whisper und seinen Varianten 🎞️
Kostenlose Open-Source-Spracheingabe für macOS und Windows. Lokale Spracherkennung mit Whisper und Parakeet, funktioniert auch offline.
WhisperFusion baut auf den Fähigkeiten von WhisperLive und WhisperSpeech auf, um nahtlose Gespräche mit einer KI zu ermöglichen.
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.
Geben Sie Claude die Fähigkeit, Videos zu sehen und zu verstehen — Claude Code‑Plugin mit Frame‑Extraktion und multimodaler Audioanalyse
Ein Open-Source-Projekt für Windows-Entwickler, um zu lernen, wie man KI mit lokalen Modellen und APIs zu Windows-Anwendungen hinzufügt.
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 🤯🤯🤯
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.
🍦 Speech-AI-Forge ist ein Projekt, das um ein TTS-Generierungsmodell entwickelt wurde und einen API-Server sowie eine Gradio-basierte WebUI implementiert.
Erklärvideos und Produktdemos, erstellt von deinem KI-Agenten. Kostenlos und Open Source: Eine lokale Stimme (Kokoro), Wort-Timing (Whisper) und ein Canvas-Renderer verwandeln ein Skript in eine vertonte MP4-Datei.
MTools ist eine leistungsstarke, vielseitige Desktop-Anwendung, die Werkzeuge zur Audio- und Videoverarbeitung, Bildbearbeitung, Textverarbeitung und Kodierung vereint. Sie bietet integrierte KI-Funktionen und einen lokalen MCP-Dienst. Die Anwendung soll Ihren Arbeitsablauf vereinfachen und Ihre Produktivität steigern.
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, ..]
AI Inference Operator für Kubernetes. Der einfachste Weg, ML-Modelle in der Produktion bereitzustellen. Unterstützt VLMs, LLMs, Embeddings und Speech-to-Text.
Native Spracherkennung für Linux - Schnelle, genaue, private und hackbare systemweite Diktation
Whisper ist ein dateibasiertes Format für eine Zeitreihendatenbank für Graphite.
Feinabstimmung des Whisper-Spracherkennungsmodells zur Unterstützung des Trainings ohne Zeitstempeldaten, des Trainings mit Zeitstempeldaten und des Trainings ohne Sprachdaten. Beschleunigung der Inferenz und Unterstützung für Web-Bereitstellungen, Windows-Desktop-Bereitstellungen und Android-Bereitstellungen
OpenCluely ist eine kostenlose, quelloffene Cluely-Alternative, entwickelt für technische Vorstellungsgespräche wie DSA, OAs und CP. Es bietet eine unsichtbare Überlagerung, Echtzeit-KI-Hilfe, intelligente Bildverarbeitung zur Erfassung von Fragen und mehrsprachige Unterstützung: 100 % anpassbar und privat.
Die Open-Source-iOS-App, die qualitativ hochwertige Sprachübertragung auf mobilen Geräten zugänglicher macht.
Sprach-KI-Freundin (Sprach-KI-Freundin für DeepSeek Harness): Spracheingabe mit Whisper + Stimmenklonen mit Qwen3-TTS + satzweise Streaming-Wiedergabe + animiertes Avatarfenster. Zwei Modi: Unterbrechen oder Einreihen; Sprechen unterbricht sofort.
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.
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.
Sprachaufzeichnungsbegleiter mit BYOK, ASR-Transkription, Sprecherdiarisierung, KI-Zusammenfassungen und Unterstützung lokaler ASR-Endpunkte.
💬📝 Eine kleine Diktier-App, die das Whisper-Spracherkennungsmodell von OpenAI verwendet.
schlüsselfertiger selbst gehosteter Offline-Transkriptions- und Diarisierungsdienst mit LLM-Zusammenfassung
Spracheingabe für macOS mit lokalen Modellen: Transkribiere, übersetze und formuliere in jeder App um. Der Nachfolger von Voxt.
Dieses Projekt stellt eine API mit Unterstützung für den Benutzerzugriff bereit, um Sprache in Text zu transkribieren, wobei ein feingetuntes und verarbeitetes Whisper ASR-Modell verwendet wird.
BiBi Keyboard: LLM‑ und ASR‑Sprach-Eingabemechanismus‑Tastatur für die Android‑Plattform, basierend auf Kotlin
C# Twitch Chat, Whisper, API und PubSub Bibliothek. Ermöglicht Chatten, Flüstern, Abonnement von Stream-Ereignissen und Modifikation von Kanal/Konto. Unterstützt alles, was .NETStandard 2.0 unterstützt.
Untertitel, Zusammenfassungen und Kapitel in Sekundenschnelle aus Videos generieren