#whisper Repositories
Insgesamt 145 Repositories
Generieren Sie Stapel-Untertiteldateien für lokale Videos und übersetzen Sie Untertiteldateien in andere Sprachen, plattformübergreifende Unterstützung für Windows- und Mac-Systeme.
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.
Ein inoffizielles OpenAI Unity-Paket, das Ihnen helfen soll, die OpenAI-API direkt in der Unity-Spiele-Engine zu verwenden.
Erstellen Sie Echtzeit-Speech2Text-Web-Apps mit OpenAI's Whisper https://openai.com/blog/whisper/
Golang-Implementierung des Graphite/Carbon-Servers mit klassischer Architektur: Agent -> Cache -> Persister
Eine vollständig lokale und private Speech-to-Text-App, die mehrere Modell-Backends, Diarisierung und einen Kalendermodus bietet - Verfügbar für Windows, macOS und Linux
Open-Source-SDK für lokale KI – führe KI direkt auf dem Gerät aus, ganz ohne Cloud und API-Schlüssel. Unterstützt GGUF, RAG, die Generierung von Bildern, Musik und Videos, Sprache-zu-Text, P2P-Inferenz und mehr. Plattformübergreifend: Linux, macOS, Windows, Android und iOS.
Lokaler Sprach-Chatbot für ansprechende Gespräche, angetrieben von Ollama, Hugging Face Transformers und Coqui TTS Toolkit
React-Hook für OpenAI Whisper mit integriertem Sprachrekorder, Sprachtranskription in Echtzeit und Stilleentfernung
Vui Nano – ein kleines, kontextbewusstes Text-to-Speech-Modell, das mit echten Gesprächen trainiert wurde. 219 Mio. aktive Parameter (305 Mio. insgesamt), Apache 2.0, Sprachklonung und Streaming; läuft auf der CPU (abhängigkeitsfreier C-Build). Enthält einen vollständigen Echtzeit-Sprachassistenten: WebRTC, ASR, lokales LLM und Kompatibilität mit der OpenAI Realtime API.
Führt das Sprach-zu-Text-Modell (whisper.cpp) in Unity3d auf Ihrem lokalen Computer aus.
Echtzeit-Sprachtranskription mit FastRTC ⚡️ und lokalem Whisper 🤗
Open-Source-KI-Spracheingabe für macOS, Windows und Linux. Drücke eine Tastenkombination, sprich ganz natürlich und erhalte in jeder App polierten Text.
Offline-Spracherkennung mit OpenAI Whisper und TensorFlow Lite für Android
KI-Vide Zusammenfasser und Wissensdatenbank für Bilibili, YouTube und lokale Videos.
Transkribieren und übersetzen Sie Sprache mit Whisper und LLMs (GPT, Claude, et,al) in eine LRC-Datei. Verwenden Sie Whisper und LLM (GPT, Claude usw.), um Ihr Audio zu transkribieren und in eine Untertiteldatei zu übersetzen.
Wandeln Sie mühelos eine gesamte YouTube-Playlist mit Whisper in hochwertige Transkripte um.
Eine Echtzeit-Sprachtranskriptions- und -übersetzungsanwendung, die Whisper OpenAI und die kostenlose Übersetzungs-API verwendet. Die Benutzeroberfläche wurde mit Tkinter erstellt. Der Code wurde vollständig in Python geschrieben.
Lokaler französischsprachiger Sprachassistent: Claude oder Ollama (offline), Hue-Hausautomation, OBS, Kalender, Browser, Twilio-Anrufe, MCP-Server. Python.
Portable KI-Agenten-Fähigkeit: YouTube-, Instagram-, TikTok-, X- und andere Videolinks in Obsidian-fertige Markdown-Notizen mit Untertiteln oder lokalen Whisper-Transkripten, Einzelbildern, Metadaten und Zeitstempeln umwandeln
Kostenlose, quelloffene Diktier-App für macOS, bei der die lokale Verarbeitung im Vordergrund steht. Halte ein Tastenkürzel gedrückt, sprich, und der Text wird in eine beliebige App eingefügt. Sprache-zu-Text direkt auf dem Gerät mit Whisper, Parakeet und Apple Speech. Eine private, offlinefähige und quelloffene Alternative zu Wispr Flow.
Liste koreanischer Spracherkennungs-STT-APIs. Leistungsbenchmarks für jede.
Eine optimierte Speech-to-Text-Pipeline für das Whisper-Modell mit Unterstützung mehrerer Inferenz-Engines
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
Ein Open-Source-Skill für Claude Code / Codex, der einen Artikel oder ein Video (von Douyin, Bilibili oder YouTube – zunächst als Transkript) mit nur einem Klick in Xiaohongshu-Bild-Text-Posts, lange Bilder im Magazin-Stil, Layouts für offizielle WeChat-Konten und kurze Videos mit KI-Voiceover umwandelt. 21 Themen, automatische Abnahmeprüfung und keinerlei npm-Abhängigkeiten.
ScribeWizard: Erstellen Sie organisierte Notizen aus Audio mit Groq, Whisper und Llama3
Open-Source-KI-Videoclip-Tool mit lokalem Fokus. Langes Video hinein, 9:16-Clips mit eingebrannten Untertiteln und Sprecher-Tracking heraus. Mit Whisper + Ollama vollständig offline nutzbar – oder einfach deinen eigenen API-Schlüssel verwenden.