#speech-to-text Dépôts
Découvrez 211 dépôts GitHub open source actifs associés à #speech-to-text, cumulant 925,003 étoiles au total (soit une moyenne de 4,383 étoiles par projet). Le projet en tête de ce thème est debpalash/VoiceStudio, avec 115,753 étoiles.
211 dépôts au total
VoiceStudio est l’alternative open source et entièrement locale à ElevenLabs : clonage vocal, conception de voix, doublage vidéo, dictée, transcription et création de livres audio dans 646 langues.
Une application de reconnaissance vocale gratuite, open source et extensible qui fonctionne entièrement hors ligne.
Outil de prise de notes de réunion par IA privilégiant la confidentialité, pour Windows, macOS et Linux. Gratuit et open source (MIT). Transcription avec Whisper/Parakeet et diarisation des intervenants sur l’appareil, sans bot dans les réunions. Alternative open source à Granola, Otter et Fireflies. https://meetily.ai
WhisperX : Reconnaissance vocale automatique avec horodatages au niveau du mot (& diarisation)
YC (S26) | Screenpipe repère les tâches qui méritent d’être automatisées | Enregistrez en continu votre activité sur ordinateur en local, découvrez les flux de travail récurrents et transmettez le résultat à l’agent que vous utilisez déjà.
🚀 API auto-hébergée de collecte de données et de téléchargement de vidéos sans filigrane pour Douyin, TikTok et Bilibili. Prise en charge des appels par des agents IA via MCP et de la transcription vocale hors ligne. Déploiement Docker en un clic. | Extracteur auto-hébergé pour TikTok, Douyin et Bilibili et téléchargeur de vidéos sans filigrane — API REST asynchrone, serveur MCP pour les agents IA, CLI et console Web, ainsi que transcription vocale hors ligne des vidéos téléchargées. Pool d’identités autoréparateur, archivage PostgreSQL et lancement en une commande avec `docker compose up`.
Kit d'outils de reconnaissance vocale open source pour l'entraînement, l'inférence, la ASR en streaming, la VAD, la ponctuation, les pipelines de diarisation des locuteurs et le service compatible OpenAI/MCP.
Traduisez la vidéo d'une langue à une autre et intégrez le doublage et les sous-titres.
Synthèse vocale, conversion de la parole en texte, diarisation des locuteurs, amélioration de la parole, séparation des sources et VAD utilisant la nouvelle génération de Kaldi avec onnxruntime sans connexion Internet. Prise en charge des systèmes embarqués, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, serveurs x86_64, serveur/client websocket, prise en charge de 12 langages de programmation
API de reconnaissance vocale hors ligne pour Android, iOS, Raspberry Pi et serveurs avec Python, Java, C# et Node
Gradio WebUI pour créateurs et développeurs, avec les principales fonctionnalités TTS (Edge-TTS, kokoro) et clonage de voix zero-shot (E2 & F5-TTS, CosyVoice), avec traitement audio Whisper, téléchargement YouTube, isolation vocale Demucs et traduction multilingue.
Application de dictée vocal vers texte avec modèles locaux (Nvidia Parakeet/Whisper) et cloud (BYOK). Priorité à la confidentialité et disponible cross-platform.
Transcription vocale en temps réel et locale avec ASR en streaming, diarisation des locuteurs, traduction et API compatibles avec OpenAI/Deepgram.
Téléchargez des vidéos et de l’audio depuis plus de 1 000 sites, transcrivez-les localement avec des étiquettes de locuteur, puis résumez-les, traduisez-les ou échangez avec vos contenus multimédias grâce au fournisseur d’IA de votre choix.
Une bibliothèque de conversion parole-texte robuste, efficace et à faible latence, dotée d'une détection d'activité vocale avancée, d'une activation par mot-clé et d'une transcription instantanée.
Modèle SenseVoiceSmall open source pour la reconnaissance vocale en mandarin, cantonais, anglais, japonais et coréen, identification de la langue, reconnaissance des émotions et détection d'événements audio.
Module de reconnaissance vocale pour Python, prenant en charge plusieurs moteurs et API, en ligne et hors ligne.
Système de reconnaissance vocale chinois basé sur l'apprentissage profond
Une bibliothèque text-to-speech (TTS), speech-to-text (STT) et speech-to-speech (STS) construite sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.
Préversion d’ODS V3 : tests publics et améliorations avant le lancement officiel de V3. Transformez votre PC, Mac ou machine Linux en serveur d’IA privé.
Enregistrez votre écran, partagez une démo. Gratuit et open-source, accéléré par GPU, sans filigrane, sans abonnement. Windows, macOS, Linux. Activement maintenu.
Outil de transcription vidéo, de génération de sous-titres et de découpage assisté par LLM, propulsé par FunASR avec une interface utilisateur Gradio locale.
L'IA génère des vidéos courtes en masse en un clic, remixe automatiquement des vidéos courtes, publie automatiquement des vidéos sur Douyin, Kuaishou, Xiaohongshu, Video Channel, gagner de l'argent n'a jamais été aussi facile ! Prend en charge les modèles vocaux locaux chatTTS, faster-whisper, GPTSoVITS, prend en charge les voix cloud : Azure, Alibaba Cloud, Tencent Cloud. Prend en charge Stable diffusion, comfyUI pour la génération directe d'images par IA. Générez des vidéos courtes en un clic avec l'IA LLM, imprimez de l'argent ensemble ! Prend en charge : chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Plateforme d'IA vocale open source. Alternative auto-hébergée à Vapi et Retell. Sur site (on-prem), BYOK pour Speech-to-Speech ou LLM/STT/TTS, avec un constructeur de flux de travail visuel, natif MCP et support de la téléphonie.
Modèles Silero : des modèles de synthèse vocale pré-entraînés rendus incroyablement simples
🎙️🤖Créez, personnalisez et parlez avec votre personnage/compagnon IA en temps réel (Tout dans une seule base de code !). Ayez une conversation naturelle et fluide avec l'IA partout (mobile, web et terminal) en utilisant LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Localisation et doublage vidéo par IA open source pour YouTube/Bilibili : reconnaissance vocale, traduction de sous-titres, clonage vocal, mixage audio et rendu. Outil open source de traduction et doublage vidéo par IA.
Reconnaissance vocale automatique avec diarisation du locuteur basée sur OpenAI Whisper
Un compagnon de bureau IA autonome et sensible au contexte. Développé en Python, il offre une vision de l’écran en temps réel, une synthèse vocale ONNX personnalisée, le suivi de la fenêtre active et une interface flottante dynamique aux expressions faciales réactives.
Outil de reconnaissance vocale vers texte / Un outil local hors ligne pour convertir des sous-titres audio/vidéo, produisant des formats JSON, srt et texte brut
Implémentation JAX du modèle Whisper d'OpenAI pour une accélération jusqu'à 70 fois sur TPU.
Génération de sous-titres sur l'appareil qui se connecte directement à DaVinci Resolve, Premiere et After Effects.
Un moteur d'inférence tout-en-un, pur C++, pour les modèles audio, propulsé par ggml. Prend en charge TTS, STT, VAD, conversion vocale, génération musicale, etc., avec des performances hautement optimisées. Aucune dépendance Python.
Maintenez une touche, parlez, relâchez — du texte poli par IA apparaît à votre curseur dans n'importe quelle app. Saisie vocale open-source pour macOS et Windows.
Outil de traduction audio/voix en temps réel, léger et puissant, basé sur Windows LiveCaptions.
Foire aux questions
Quel est le dépôt #speech-to-text le plus populaire sur GitHub ?
Le projet #speech-to-text open source le mieux classé sur GitHub est debpalash/VoiceStudio, avec 115,753 étoiles. VoiceStudio est l’alternative open source et entièrement locale à ElevenLabs : clonage vocal, conception de voix, doublage vidéo, dictée, transcription et création de livres audio dans 646 langues.
Quels langages de programmation sont les plus utilisés dans les dépôts #speech-to-text ?
Parmi les projets #speech-to-text les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Rust, C++.
Comment le classement des dépôts #speech-to-text est-il calculé ?
Nous suivons 211 dépôts open source actifs associés à #speech-to-text (500+ étoiles), totalisant 925,003 étoiles, avec une moyenne de 4,383 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.