#whisper Repositorios
145 repositorios en total
Permite que Claude (o cualquier LLM) realmente vea un video: fotogramas con detección de escenas y sin duplicados + transcripción, desde una URL o archivo local. Se ejecuta localmente, MIT.
Biblioteca de inferencia ligera para archivos ONNX, escrita en C++. Puede ejecutar Stable Diffusion XL 1.0 en una RPI Zero 2 (o en 298 MB de RAM), pero también Mistral 7B en escritorios y servidores. Soporte para ARM, x86, WASM, RISC-V. Acelerado por XNNPACK. Bindings de Python, C# y JS (WASM) disponibles.
Transcripción de voz local para macOS IA en el dispositivo, completamente privada, nube opcional
Cliente de API de OpenAI para Kotlin con capacidades multiplataforma y corutinas.
🎞️ Herramienta de generación de subtítulos (Web-UI + CLI + paquete Python) impulsada por Whisper de OpenAI y sus variantes 🎞️
Dictado por voz gratuito y de código abierto para macOS y Windows. Transcripción local de voz a texto con Whisper y Parakeet; también funciona sin conexión.
WhisperFusion se basa en las capacidades de WhisperLive y WhisperSpeech para proporcionar conversaciones fluidas con una IA.
Alternativa de código abierto y centrada en lo local a Granola/Otter que Claude Code, Codex, Cursor y cualquier cliente MCP pueden consultar. Reuniones, llamadas y notas de voz transcritas en el dispositivo a Markdown que te pertenece.
Otorga a Claude la capacidad de ver y comprender videos — complemento Claude Code con extracción de fotogramas y análisis multimodal de audio
Un proyecto de código abierto para que los desarrolladores de Windows aprendan a agregar IA con modelos y API locales a las aplicaciones de Windows.
Transcripción configurable. Literal (cada muletilla, pausa, tartamudeo y sonido vocal) o intencionada (lo que el hablante quiso decir, optimizada para facilitar la lectura), con marcas de tiempo a nivel de palabra.
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.
🍦 Speech-AI-Forge es un proyecto desarrollado en torno a un modelo de generación TTS, que implementa un servidor API y una interfaz de usuario web basada en Gradio.
Videos explicativos y demostraciones de productos creados por tu agente de IA. Gratis y de código abierto: una voz local (Kokoro), la sincronización de palabras (Whisper) y un renderizador de lienzo convierten un guion en un MP4 narrado.
MTools es una potente aplicación de escritorio multifuncional que integra herramientas de procesamiento de audio y vídeo, edición de imágenes, manipulación de texto y codificación. Incluye funciones de mejora con IA y ofrece un servicio MCP local. Está diseñada para simplificar tu flujo de trabajo y aumentar la productividad.
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, ..]
Operador de inferencia de IA para Kubernetes. La forma más sencilla de servir modelos de ML en producción. Soporta VLMs, LLMs, embeddings y voz a texto.
Reconocimiento de voz nativo para Linux - Dictado rápido, preciso, privado y hackeable en todo el sistema
Whisper es un formato de base de datos de series temporales basado en archivos para Graphite.
Ajuste fino del modelo de reconocimiento de voz Whisper para admitir entrenamiento sin datos de marca de tiempo, entrenamiento con datos de marca de tiempo y entrenamiento sin datos de voz. Acelerar la inferencia y admitir el despliegue web, el despliegue en escritorio de Windows y el despliegue en Android
OpenCluely es una alternativa gratuita y de código abierto a Cluely, diseñada para entrevistas técnicas como DSA, OAs y CP. Ofrece una superposición invisible, ayuda de IA en tiempo real, procesamiento inteligente de imágenes para capturar preguntas y soporte multilingüe: 100% personalizable y privado.
La aplicación iOS de código abierto que hace que la transcripción de voz de calidad sea más accesible en dispositivos móviles.
Novia con IA de voz (novia con IA de voz para DeepSeek Harness): entrada de voz con Whisper + clonación de voz con Qwen3-TTS + reproducción en streaming oración por oración + ventana de avatar animado. Dos modos: interrumpir o poner en cola; hablar interrumpe al instante.
Generación de subtítulos de audio y video para crear archivos srt. Sin necesidad de solicitar API de terceros, implementación local de audio a texto. Un marco de generación de subtítulos de video basado en Transformer. Una herramienta GUI para generar subtítulos a partir de videos y generar archivos srt.
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.
Asistente de grabación de voz con BYOK, transcripción ASR, diarización de hablantes, resúmenes de IA y compatibilidad con endpoints ASR locales.
💬📝 Una pequeña aplicación de dictado que utiliza el modelo de reconocimiento de voz Whisper de OpenAI.
servicio de transcripción y diarización sin conexión autoalojado llave en mano con resumen LLM
Entrada de voz para macOS con modelos locales: transcribe, traduce y reescribe en cualquier app. El sucesor de Voxt.
Este proyecto proporciona una API con soporte de acceso a nivel de usuario para transcribir voz a texto utilizando un modelo ASR Whisper afinado y procesado.
BiBi Keyboard: teclado de método de entrada de voz LLM y ASR para la plataforma Android basado en Kotlin
Biblioteca C# para Twitch Chat, Whisper, API y PubSub. Permite chatear, susurrar, suscribirse a eventos de stream y modificar canal/cuenta. Soporta todo lo que soporta .NETStandard 2.0.