#speech-to-text Repositorios
211 repositorios en total
Nodos personalizados que extienden las capacidades de Comfyui
Aplicación Whisper multi-backend. Ultrarrápida. Optimizada para Mac-ARM. Instalación sencilla. Introduce un archivo local o una URL y este servicio lo transcribirá utilizando Whisper AI. Completamente privado y gratuito 🤯🤯🤯
Ajusta finamente LLMs en tu Mac con Apple Silicon. SFT, DPO, GRPO, Visión, TTS, STT, Embedding y ajuste fino de OCR — de forma nativa en MLX. API compatible con Unsloth.
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
Cliente de línea de comandos Whisper compatible con el cliente original de OpenAI basado en CTranslate2.
Gp.nvim (prompt GPT) Plugin de IA de Neovim: sesiones de ChatGPT y operaciones de texto/código que se pueden instruir y voz a texto [OpenAI, Ollama, Anthropic, ..]
Motor de inferencia sin conexión para arte, conversaciones de voz en tiempo real, chatbots impulsados por LLM y flujos de trabajo automatizados
Reconocimiento de voz nativo para Linux - Dictado rápido, preciso, privado y hackeable en todo el sistema
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Totalmente local, privado y multiplataforma Speech-to-Text con post-procesamiento LLM
Una aplicación de asistente de voz modular para experimentar con modelos de transcripción, generación de respuestas y texto a voz de última generación. Soporta las API de OpenAI, Groq, Elevenlabs, CartesiaAI y Deepgram, además de modelos locales a través de Ollama. Ideal para investigación y desarrollo en tecnología de voz.
La aplicación iOS de código abierto que hace que la transcripción de voz de calidad sea más accesible en dispositivos móviles.
SDK de voz-AI de código abierto. La alternativa a Vapi/Retell para desarrolladores que quieren controlar la pila. Dale a tu agente de IA un número de teléfono en 4 líneas — Python y TypeScript, con licencia MIT, Twilio, Telnyx y Plivo.
Dictado por voz gratuito, de código abierto y 100% offline para Linux. Habla y escribe en cualquier lugar mediante los motores whisper.cpp, Whisper y VOSK, acelerado por GPU, funciona en X11 + Wayland.
Whisper-Flow es un marco diseñado para permitir la transcripción en tiempo real de contenido de audio utilizando el modelo Whisper de OpenAI. En lugar de procesar archivos completos después de la carga (modo por lotes), Whisper-Flow acepta una corriente continua de fragmentos de audio y produce transcripciones incrementales de inmediato.
:zap: TensorFlowASR: Reconocimiento automático de voz casi de última generación en Tensorflow 2. Idiomas admitidos que pueden usar caracteres o subpalabras
Asistente de grabación de voz con BYOK, transcripción ASR, diarización de hablantes, resúmenes de IA y compatibilidad con endpoints ASR locales.
Fun-Audio-Chat es un Modelo de Lenguaje de Audio Grande construido para interacciones de voz naturales y de baja latencia.
Este conjunto de herramientas permite a los usuarios interactuar directamente con servicios de IA desde su terminal.
💬📝 Una pequeña aplicación de dictado que utiliza el modelo de reconocimiento de voz Whisper de OpenAI.
Transcripción de audio casi en tiempo real utilizando Whisper autoalojado y WebSocket en Python/JS
Evalúe su sistema de habla a texto con medidas de similitud como la tasa de error de palabras (WER)
Convierte el audio del ordenador o del micrófono en subtítulos traducidos en tiempo real.
Entrada de voz para macOS con modelos locales: transcribe, traduce y reescribe en cualquier app. El sucesor de Voxt.
Voicy (@voicybot): un bot de Telegram que convierte mensajes de voz en texto en grupos y chats privados
Una app gratuita, de código abierto, con prioridad a la privacidad para entrada de voz en macOS.
Omni SenseVoice: Reconocimiento de voz de alta velocidad con marcas de tiempo de palabras 🗣️🎯
BiBi Keyboard: teclado de método de entrada de voz LLM y ASR para la plataforma Android basado en Kotlin
Reconocimiento de voz chino de extremo a extremo basado en PaddlePaddle, desde la introducción hasta la práctica, casos de introducción súper sencillos, proyectos empresariales súper prácticos. Admite los modelos más populares actualmente: DeepSpeech2, Conformer, Squeezeformer.
Una aplicación de escritorio local y gratuita para extraer subtítulos (SRT) de vídeos y traducirlos a cualquier idioma: uso ilimitado, sin registro, sin nube.
Software de generación de subtítulos totalmente automatizado y todo en uno; cubre todo el proceso de descarga, transcripción, traducción y grabación, sin necesidad de intervención humana.
Una implementación extremadamente rápida de Whisper optimizada para Apple Silicon utilizando MLX.
Crea aplicaciones web de speech2text en tiempo real usando Whisper de OpenAI https://openai.com/blog/whisper/
Recursos de código de Azure OpenAI para usar las capacidades en tiempo real de gpt-4o.
Una aplicación de transcripción de voz con IA 100 % privada que convierte voz en texto en más de 100 idiomas. Desarrollada con Compose Multiplatform para Android e iOS y basada en Whisper AI: no se sube nada a la nube; todo el procesamiento se realiza en el dispositivo para garantizar una privacidad total. Contáctanos directamente en: [email protected]
Centro de ejecución C++ ggml para modelos multilingües de ASR y TTS: Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., además de alineación forzada universal y más