#speech-to-text Dépôts
211 dépôts au total
Modèles audio Frontier CoreML dans vos applications — synthèse vocale, reconnaissance vocale, détection d'activité vocale et diarisation des locuteurs. En Swift, propulsé par le libre accès SOTA.
Exécutables autonomes Whisper & Faster-Whisper pour ceux qui ne veulent pas s'embêter avec Python.
LLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et de haute qualité, construit sur Llama-3.1-8B-Instruct, visant à atteindre des capacités vocales au niveau de GPT-4o.
Alternative open source, locale et auto-hébergée aux assistants vocaux concurrents d'Amazon Echo/Google Home
Transformez des fichiers audio et vidéo en sous-titres grâce à une interface web facile à utiliser. Tout fonctionne sur votre propre machine. Anciennement Whishper.
Modèles de synthèse vocale et de reconnaissance vocale de Kyutai basés sur le framework Delayed Streams Modeling.
API de transcription de réunions open‑source pour Google Meet, Microsoft Teams et Zoom. Bots qui rejoignent automatiquement, transcriptions WebSocket en temps réel, serveur MCP pour agents IA. Auto-hébergez ou utilisez une SaaS hébergée.
Reconnaissance vocale automatique multilingue avec horodatages au niveau du mot et confiance
Des notes de réunion privées grâce à l’IA, qui restent sur votre ordinateur. Aucun bot de réunion. Gratuit et open source pour Mac, Windows et Linux. Une alternative à Granola, Otter et Fireflies.
L'alternative open source à Cluely - Un assistant IA ultra-rapide axé sur la confidentialité qui fonctionne de manière transparente lors des réunions, des entretiens et des conversations sans que personne ne le sache. Construit avec Tauri pour des performances natives, seulement 10 Mo. Complètement indétectable dans les appels vidéo, les partages d'écran et les enregistrements.
Un enregistreur de réunions élégant et minimaliste pour Mac. Appuyez sur Démarrer, puis sur Arrêter pour obtenir vos notes et une transcription dans un seul fichier Markdown. Tout est traité sur l’appareil. Gratuit et open source.
🐸STT - La boîte à outils d'apprentissage profond pour la reconnaissance vocale. Entraîner et déployer des modèles STT n'a jamais été aussi facile.
Générateur de sous-titres ASR/STT. Utilise Qwen3-ASR, LLM local, Whisper, TEN-VAD. Résistant au bruit pour JAV.
🔊 Liste géniale pour Whisper — un système open-source de reconnaissance vocale alimenté par l'IA développé par OpenAI
Alternative Open Source Gratuite à Wispr Flow | La prochaine génération de flux de travail vocaux de bureau chinois intégrant des modèles locaux FunASR et des LLM configurables
🎙Reconnaissance vocale utilisant le framework d'apprentissage profond TensorFlow, réseaux de neurones sequence-to-sequence
Un ensemble d'effets, de générateurs et d'analyseurs basés sur l'IA pour Audacity®.
Studio d’IA local et portable pour Windows, Linux et macOS. Interface graphique sans configuration pour la génération d’images, les LLM GGUF, la synthèse vocale et la transcription audio
Un AI Agent Studio local pour Windows dédié au commerce électronique en direct sur Douyin, offrant un flux de travail intelligent unifié reliant la découverte de présentateurs, les analyses des diffusions en direct, les bilans des diffusions et la conception éditoriale de contenus vidéo courts.
Convertir les vidéos Bilibili en texte, en une seule étape, il suffit d'entrer le lien pour l'utiliser
Transcription vocale locale pour macOS IA sur appareil, totalement privée, cloud optionnel
Bibliothèque d'inférence d'IA sur l'appareil pour React Native, haute performance et axée sur la confidentialité, propulsée par le runtime ExecuTorch de PyTorch
Un composant React complet d'édition de sous-titres vidéo avec reconnaissance vocale alimentée par l'IA et capacités d'édition visuelle.
Inference en C pur du modèle Mistral Voxtral Realtime 4B de conversion voix en texte
Application Linux Speech Note. Prise de notes, lecture et traduction avec reconnaissance vocale hors ligne (Speech to Text), synthèse vocale (Text to Speech) et traduction automatique.
Plugin OBS pour la reconnaissance vocale locale et le sous-titrage à l'aide de l'IA
TikTok LIVE API pour Python : La bibliothèque tierce définitive pour recevoir des événements de diffusion en direct (commentaires, cadeaux, etc.) en temps réel depuis TikTok LIVE.
Serveur d'inférence LLM haute performance compatible OpenAI et Anthropic pour Apple Silicon. MLX natif, traitement par lots continu, modèles multimodaux, appels d'outils MCP et prise en charge de Claude Code.
Muesli : transcription locale de réunions et dictée natives pour les agents sur macOS (alternative à Granola + WisprFlow + Littlebird)
Saisie vocale gratuite et open source pour macOS et Windows. Transcription vocale locale avec Whisper et Parakeet, également disponible hors ligne.
Un poste de travail de génération (de courtes vidéos) intégrant la planification de contenu, la génération automatique de texte par IA, le doublage automatique TTS en masse, la synthèse de matériel d'image (IA), l'extraction automatique de scripts de sous-titres linguistiques par ASR et la création libre par IA. Il facilite la gestion des projets vidéo de chaque épisode.
Modèles de reconnaissance vocale Fun-ASR, avec prise en charge native de Hugging Face Transformers pour Fun-ASR-Nano et des voies de déploiement distinctes pour FunASR, vLLM et llama.cpp.
Alternative open source et locale à Granola/Otter, interrogeable par Claude Code, Codex, Cursor et tout client MCP. Réunions, appels et mémos vocaux transcrits sur l’appareil en Markdown dont vous êtes propriétaire.