#speech-to-text Dépôts
211 dépôts au total
Application Whisper multi-backend. Extrêmement rapide. Optimisée pour Mac-ARM. Installation facile. Entrez un fichier local ou une URL et ce service le transcrira à l'aide de Whisper AI. Entièrement privé et gratuit 🤯🤯🤯
Ajustez finement les LLMs sur votre Mac avec Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding et ajustement fin d'OCR — nativement sur MLX. API compatible avec Unsloth.
💎 Une liste de corpus vocaux accessibles pour l'ASR, le TTS et d'autres technologies vocales
Client en ligne de commande Whisper compatible avec le client OpenAI original basé sur CTranslate2.
Gp.nvim (invite GPT) Plugin Neovim IA : sessions ChatGPT et opérations texte/code instructives et reconnaissance vocale [OpenAI, Ollama, Anthropic, ..]
Moteur d'inférence hors ligne pour l'art, les conversations vocales en temps réel, les chatbots alimentés par LLM et les flux de travail automatisés
Reconnaissance vocale native pour Linux - Dictée rapide, précise, privée et hackable à l'échelle du système
StreamSpeech est un modèle transparent « tout-en-un » pour la reconnaissance vocale, la traduction vocale et la synthèse vocale hors ligne et simultanées.
Entièrement local, privé et multiplateforme Speech-to-Text avec post-traitement LLM
Une application d'assistant vocal modulaire pour expérimenter avec des modèles de transcription, de génération de réponses et de synthèse vocale de pointe. Prend en charge les API OpenAI, Groq, Elevenlabs, CartesiaAI et Deepgram, ainsi que des modèles locaux via Ollama. Idéal pour la recherche et le développement dans le domaine de la technologie vocale.
L'application iOS open-source qui rend la transcription vocale de qualité plus accessible sur les appareils mobiles.
SDK vocal-AI open-source. L'alternative à Vapi/Retell pour les développeurs qui veulent posséder la pile. Donnez à votre agent IA un numéro de téléphone en 4 lignes — Python et TypeScript, sous licence MIT, Twilio, Telnyx et Plivo.
Dictée vocale gratuite, open-source et 100% hors ligne pour Linux. Parlez et tapez n'importe où via les moteurs whisper.cpp, Whisper et VOSK, accéléré par GPU, fonctionne sur X11 + Wayland.
Whisper-Flow est un framework conçu pour permettre la transcription en temps réel du contenu audio en utilisant le modèle Whisper d'OpenAI. Plutôt que de traiter l'intégralité des fichiers après leur téléchargement (« mode batch »), Whisper-Flow accepte un flux continu de fragments audio et produit des transcriptions incrémentales immédiatement.
:zap: TensorFlowASR: Reconnaissance vocale automatique presque à la pointe de la technologie dans TensorFlow 2. Langues prises en charge qui peuvent utiliser des caractères ou des sous-mots
Assistant d’enregistrement vocal avec BYOK, transcription ASR, diarisation des intervenants, résumés par IA et prise en charge des points de terminaison ASR locaux.
Fun-Audio-Chat est un grand modèle de langage audio conçu pour des interactions vocales naturelles et à faible latence.
Cette suite d'outils permet aux utilisateurs d'interagir directement avec les services d'IA depuis leur terminal.
💬📝 Une petite application de dictée utilisant le modèle de reconnaissance vocale Whisper d'OpenAI.
Transcription audio quasi en temps réel à l'aide de Whisper auto-hébergé et de WebSocket en Python/JS
Whisper.net. La reconnaissance vocale simplifiée grâce aux modèles Whisper
Évaluez votre système de reconnaissance vocale avec des mesures de similarité telles que le taux d'erreur sur les mots (WER)
Transformez l’audio de l’ordinateur ou du microphone en sous-titres traduits en temps réel.
Saisie vocale pour macOS avec des modèles locaux : transcrivez, traduisez et reformulez dans n’importe quelle app. Le successeur de Voxt.
Voicy (@voicybot) : un bot Telegram qui transcrit les messages vocaux en texte dans les groupes et les conversations privées
Une application gratuite, open source, axée sur la confidentialité pour l'entrée vocale sur macOS.
Omni SenseVoice : Reconnaissance vocale à haute vitesse avec horodatage des mots 🗣️🎯
BiBi Keyboard : clavier d’entrée vocale LLM et ASR pour la plateforme Android basé sur Kotlin
Reconnaissance vocale chinoise de bout en bout basée sur PaddlePaddle, de l'introduction à la pratique, exemples d'introduction ultra simples, projets d'entreprise ultra pratiques. Prend en charge les modèles les plus populaires actuellement : DeepSpeech2, Conformer, Squeezeformer.
Une application de bureau locale et gratuite pour extraire les sous-titres (SRT) de vidéos et les traduire dans n'importe quelle langue — utilisation illimitée, sans inscription, sans cloud.
Logiciel de génération de sous-titres entièrement automatisé tout-en-un, couvrant l'intégralité du processus : téléchargement, transcription, traduction et incrustation, sans aucune intervention humaine.
Une implémentation extrêmement rapide de Whisper optimisée pour Apple Silicon à l'aide de MLX.
Créez des applications web speech2text en temps réel à l'aide de Whisper d'OpenAI https://openai.com/blog/whisper/
Ressources de code Azure OpenAI pour l'utilisation des capacités gpt-4o en temps réel.
Une application de transcription vocale par IA 100 % privée qui convertit la parole en texte dans plus de 100 langues. Développée avec Compose Multiplatform pour Android et iOS, elle utilise Whisper AI : aucun envoi vers le cloud, tout le traitement s’effectue sur l’appareil pour une confidentialité totale. Contactez-nous directement à l’adresse : [email protected]
Hub d'exécution C++ ggml pour les modèles ASR et TTS multilingues : Cohere Transcribe, Parakeet TDT, Voxtral, Canary 1B v2, etc., ainsi qu'un alignement forcé universel et plus encore