#speech-recognition Repositorios
206 repositorios en total
Servidor de inferencia de lenguaje altamente optimizado de código abierto, local y autoalojado que soporta ASR/STT, TTS y LLM a través de WebRTC, REST y WS
Síntesis de voz, reconocimiento de voz y detección de actividad vocal para conversaciones por voz, en C++ sobre ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet y Silero VAD en Metal, Vulkan y la CPU, con un servidor compatible con OpenAI y transcripción en tiempo real.
Reconocimiento de voz generativo centrado en el árabe — Audar-ASR-V1 (Flash + Turbo). N.º 1 en la clasificación Open Universal Arabic ASR. Tarjetas de modelo, puntos de referencia e inferencia.
Herramienta de edición con IA y creación de clips de directos, gratuita y de código abierto: convierte vídeos largos, repeticiones de directos y podcasts en vídeos cortos verticales virales con un solo clic, y publícalos directamente en TikTok, Kwai, Bilibili, Xiaohongshu y WeChat Channels. La IA encuentra los momentos destacados y las frases más memorables, utiliza la popularidad de los comentarios para detectar los momentos clave, añade subtítulos automáticamente y convierte vídeos horizontales a verticales. Se ejecuta localmente, sin marca de agua ni cargas | Alternativa gratuita y de código abierto a Opus Clip, 100 % local: la IA convierte vídeos largos y VOD de directos en vídeos cortos virales en formato 9:16 para TikTok y YouTube Shorts. Sin créditos, sin marca de agua y sin cargas. Windows/macOS/Linux.