#speech-to-text Repositorios
211 repositorios en total
Copiloto de IA para reuniones de código abierto: transcripción en tiempo real, cancelación de eco y asistencia de IA. Captura audio del sistema + micrófono, cancela el eco mediante WebRTC AEC3, transcribe con Deepgram y te ofrece ayuda de Claude/OpenAI durante las reuniones. Se ejecuta localmente en macOS y Windows.
¡Un sistema RAG【Generación Aumentada por Recuperación】adecuado para aprender, usar y expandir de forma autónoma! Puede conectarse a Internet para realizar búsquedas de IA.
Dictado gratuito para escritorio en macOS y Windows. Dicta mensajes, correos electrónicos y notas en tus aplicaciones mediante reconocimiento de voz local o en la nube.
Subtítulos bilingües en tiempo real para cualquier app en macOS. Captura audio, transcribe el habla y traduce sin conexión, todo desde la barra de menús.
YouDub es una herramienta de código abierto diseñada para traducir y doblar automáticamente videos de YouTube de alta calidad, con el fin de llevarlos al internet chino. La herramienta utiliza tecnología de reconocimiento de voz por IA para convertir el audio en texto, luego traduce el texto al chino mediante un Modelo de Lenguaje Grande (LLM) y, finalmente, convierte el texto en audio utilizando tecnología de clonación de voz por IA. De esta manera, podemos crear videos doblados al chino que conservan el timbre de voz original del YouTuber.
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
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.
Un sistema ligero cliente-servidor para procesamiento de audio en tiempo real con detección de actividad de voz (VAD) y reconocimiento automático de voz (ASR).